CN112345955A - 一种动力电池多故障在线诊断方法与*** - Google Patents
一种动力电池多故障在线诊断方法与*** Download PDFInfo
- Publication number
- CN112345955A CN112345955A CN202011214793.9A CN202011214793A CN112345955A CN 112345955 A CN112345955 A CN 112345955A CN 202011214793 A CN202011214793 A CN 202011214793A CN 112345955 A CN112345955 A CN 112345955A
- Authority
- CN
- China
- Prior art keywords
- data
- voltage
- battery
- maximum
- temperature
- 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.)
- Granted
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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- 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
-
- 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
-
- 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
- H01M10/4207—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells for several batteries or cells simultaneously or sequentially
-
- 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
- H01M10/4285—Testing apparatus
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及一种动力电池多故障在线诊断方法和***。该动力电池多故障在线诊断方法和***,通过基于获取动力电池的电压序列数据来确定得到平均电压曲线和所述电池单体的电压曲线,然后确定电压曲线和平均电压曲线间的离散弗雷歇距离,最后采用局部异常因子检测方法根据离散弗雷歇距离可以精确确定得到动力电池中的故障电池单体,以能够针对实际运行车辆进行电池故障的精确检测,同时精确提取发生故障的电池单体进而有效实现动力电池的故障隔离。
Description
技术领域
本发明涉及电池故障检测技术领域,特别是涉及一种动力电池多故障在线诊断方法与***。
背景技术
新能源汽车着火事故严重威胁着驾乘人员的生命财产安全,制约了新能源汽车产业发展。其中,动力电池热失控是着火事故的主要原因(占着火事故60%以上)。受限于单个电池自身的容量和电压限制,不能满足于车辆的动力需求,因而动力电池***由很多单体电池经过串联方式或者并联方式构成,促使动力电池***是个复杂非线性***。当动力电池出现有过充、过压、过热等故障,会引发电池发生冒烟或者起火等严重的故障现象。
目前的专利很多都是在实验室环境下测得的参数,无法应用到实际运行的车辆中。例如《一种用于检测锂离子电池发生微内短路的方法及***》需要在特定工况下测量电池的动态阻抗,而在实际测量过程中并不能测得该动态阻抗,应用价值不大。《一种锂离子电池故障诊断方法》需要依赖于获取锂离子电池未发生故障及发生各类型故障时的电池数据,一旦缺失某个故障类型的数据,就会导致诊断结果失效。《锂电池的内短路处理方法和装置》侧重解决的电池管理***锂电池的内短路检测,利用的是电压数据,但在具体处理过程中,没有考虑传感器噪声的影响。
因此,现有技术领域中并没有一种能够针对实际运行车辆进行电池故障检测或故障隔离的动力电池多故障在线诊断方法或***。
发明内容
本发明的目的是提供一种动力电池多故障在线诊断方法与***,以能够针对实际运行车辆进行电池故障的精确检测,同时精确提取发生故障的电池单体进而有效实现动力电池的故障隔离。
为实现上述目的,本发明提供了如下方案:
一种动力电池多故障在线诊断方法,包括:
获取动力电池的电压序列数据;所述电压序列数据包括:与每一时刻对应的电池单体的电压数据;
根据所述电压序列数据确定平均电压曲线和所述电池单体的电压曲线;
确定所述电压曲线和所述平均电压曲线间的离散弗雷歇距离;
采用局部异常因子检测方法根据所述离散弗雷歇距离确定所述动力电池中的故障电池单体。
优选的,所述获取动力电池的电压序列数据,之后还包括:
根据所述电压序列数据获取第一时刻所有电池单体的电压数据,并确定得到所述第一时刻所有电池单体的电压数据中的最大电压数据,记为第一最大电压数据;
根据所述电压序列数据获取第二时刻所有电池单体的电压数据,并确定得到所述第二时刻所有电池单体的电压数据中的最大电压数据,记为第二最大电压数据;
获取电压阈值,并判断所述第一最大电压数据和所述第二最大电压数据是否均小于所述电压阈值,得到第一判断结果;
若所述第一判断结果为是,则返回步骤“根据所述电压序列数据获取第一时刻所有电池单体的电压数据,并确定得到所述第一时刻所有电池单体的电压数据中的最大电压数据,记为第一最大电压数据”;
若所述第一判断结果为否,则发出过充报警信号。
优选的,还包括:
获取动力电池的温度序列数据;所述温度序列数据包括:与每一时刻对应的电池单体的温度数据;
根据所述温度序列数据获取第一时刻所有电池单体的温度数据,并确定得到所述第一时刻所有电池单体的温度数据中的最大温度数据,记为第一最大温度数据;
根据所述温度序列数据获取第二时刻所有电池单体的温度数据,并确定得到所述第二时刻所有电池单体的温度数据中的最大温度数据,记为第二最大温度数据;
获取温度阈值,并判断所述第一最大温度数据和所述第二最大温度数据是否均小于所述温度阈值,得到第二判断结果;
若所述第二判断结果为是,则返回步骤“根据所述温度序列数据获取第一时刻所有电池单体的温度数据,并确定得到所述第一时刻所有电池单体的温度数据中的最大温度数据,记为第一最大温度压数据”;
若所述第二判断结果为否,则发出过热报警信号。
优选的,所述采用局部异常因子检测方法根据所述离散弗雷歇距离确定所述动力电池中的故障电池单体,具体包括:
根据所述离散弗雷歇距离得到离散弗雷歇距离序列;
获取所述动力电池中每一电池单体的标准差后形成标准差序列;
以所述离散弗雷歇距离序列和所述标准差序列为输入,采用所述局部异常因子检测方法得到所述故障电池单体。
优选的,还包括:
对所述电压序列数据和所述温度序列数据分别进行预处理。
对应于上述提供的动力电池多故障在线诊断方法,本发明还提供了一种如下所述的动力电池多故障在线诊断***。
一种动力电池多故障在线诊断***,包括:
电压序列数据获取模块,用于获取动力电池的电压序列数据;所述电压序列数据包括:与每一时刻对应的电池单体的电压数据;
电压曲线确定模块,用于根据所述电压序列数据确定平均电压曲线和所述电池单体的电压曲线;
离散弗雷歇距离确定模块,用于确定所述电压曲线和所述平均电压曲线间的离散弗雷歇距离;
故障电池单体确定模块,用于采用局部异常因子检测方法根据所述离散弗雷歇距离确定所述动力电池中的故障电池单体。
优选的,还包括:
第一最大电压数据确定模块,用于根据所述电压序列数据获取第一时刻所有电池单体的电压数据,并确定得到所述第一时刻所有电池单体的电压数据中的最大电压数据,记为第一最大电压数据;
第二最大电压数据确定模块,用于根据所述电压序列数据获取第二时刻所有电池单体的电压数据,并确定得到所述第二时刻所有电池单体的电压数据中的最大电压数据,记为第二最大电压数据;
第一判断模块,用于获取电压阈值,并判断所述第一最大电压数据和所述第二最大电压数据是否均小于所述电压阈值,得到第一判断结果;
第一返回模块,用于当所述第一判断结果为是时,返回步骤“根据所述电压序列数据获取第一时刻所有电池单体的电压数据,并确定得到所述第一时刻所有电池单体的电压数据中的最大电压数据,记为第一最大电压数据”;
过充报警模块,用于当所述第一判断结果为否时,发出过充报警信号。
优选的,还包括:
温度序列数据获取模块,用于获取动力电池的温度序列数据;所述温度序列数据包括:与每一时刻对应的电池单体的温度数据;
第一最大温度数据确定模块,用于根据所述温度序列数据获取第一时刻所有电池单体的温度数据,并确定得到所述第一时刻所有电池单体的温度数据中的最大温度数据,记为第一最大温度数据;
第二最大温度数据确定模块,用于根据所述温度序列数据获取第二时刻所有电池单体的温度数据,并确定得到所述第二时刻所有电池单体的温度数据中的最大温度数据,记为第二最大温度数据;
第二判断模块,用于获取温度阈值,并判断所述第一最大温度数据和所述第二最大温度数据是否均小于所述温度阈值,得到第二判断结果;
第二返回模块,用于当所述第二判断结果为是时,返回步骤“根据所述温度序列数据获取第一时刻所有电池单体的温度数据,并确定得到所述第一时刻所有电池单体的温度数据中的最大温度数据,记为第一最大温度压数据”;
过热报警模块,用于当所述第二判断结果为否时,发出过热报警信号。
优选的,所述故障电池单体确定模块,具体包括:
离散弗雷歇距离序列确定单元,用于根据所述离散弗雷歇距离得到离散弗雷歇距离序列;
标准差序列确定单元,用于获取所述动力电池中每一电池单体的标准差后形成标准差序列;
故障电池单体确定单元,用于以所述离散弗雷歇距离序列和所述标准差序列为输入,采用所述局部异常因子检测方法得到所述故障电池单体。
优选的,还包括:
预处理模块,用于对所述电压序列数据和所述温度序列数据分别进行预处理。
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:
本发明提供的动力电池多故障在线诊断方法和***,通过基于获取动力电池的电压序列数据来确定得到平均电压曲线和所述电池单体的电压曲线,然后确定电压曲线和平均电压曲线间的离散弗雷歇距离,最后采用局部异常因子检测方法根据离散弗雷歇距离可以精确确定得到动力电池中的故障电池单体,以能够针对实际运行车辆进行电池故障的精确检测,同时精确提取发生故障的电池单体进而有效实现动力电池的故障隔离。
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为本发明提供的动力电池多故障在线诊断方法的流程图;
图2为本发明提供的动力电池多故障在线诊断***的结构示意图。
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动力电池多故障在线诊断方法与***,以能够针对实际运行车辆进行电池故障的精确检测,同时精确提取发生故障的电池单体进而有效实现动力电池的故障隔离。
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为本发明提供的动力电池多故障在线诊断方法的流程图,如图1所示,一种动力电池多故障在线诊断方法,包括:
步骤100:获取动力电池的电压序列数据。电压序列数据包括:与每一时刻对应的电池单体的电压数据。
步骤110:根据电压序列数据确定平均电压曲线和电池单体的电压曲线。
步骤120:确定电压曲线和平均电压曲线间的离散弗雷歇距离。该过程具体包括:
先定义数学符号,右下标代表电池单体编号:
在t1时刻到t2时刻时间序列下的每个电池单体电压与平均电压的离散费雷歇距离计算过程为:
可以将第i电池单体的电压序列为P曲线理解成p个点构成,平均电压曲线为Q曲线,理解为q个点构成,则σ(P)=(u1,…,up),σ(Q)=(v1,…,vq)形成的数据对为其中,a1=1,b1=1,am=p,bm=q。需满足下述两个规则:ai+1=ai,or,ai+1=ai+1,bi+1=bi,or,bi+1=bi+1,m为序列点的坐标顺序。
P和Q曲线的离散弗雷歇距离为:δF(P,Q)=min(||L||)
最终得到t1时刻到t2时刻的n个电池单体的离散弗雷歇距离为:F=(f1,…,fi,…,fn)。其中,n为电池单体编号,n=1,2,……。
步骤130:采用局部异常因子检测方法根据离散弗雷歇距离确定动力电池中的故障电池单体。
输入包括两个参数:t1时刻到t2时刻的n电池单体的标准差S=(s1,…,si,…,sn),t1时刻到t2时刻的n个电池单体的离散弗雷歇距离F=(f1,…,fi,…,fn)。其中,第一个电池单体的标准差为s1,计算方式为第一个单体所有电压数值,按照公式计算标准差。
如果某个电池单体LOF值大于设定值(本发明中优选为5),提取该电池单体并确定为故障电池单体。
作为本发明的一优选实施方式,在上述步骤100之后还包括:
根据电压序列数据获取第一时刻所有电池单体的电压数据,并确定得到第一时刻所有电池单体的电压数据中的最大电压数据,记为第一最大电压数据。
根据电压序列数据获取第二时刻所有电池单体的电压数据,并确定得到第二时刻所有电池单体的电压数据中的最大电压数据,记为第二最大电压数据。
获取电压阈值,并判断第一最大电压数据和第二最大电压数据是否均小于电压阈值,得到第一判断结果。
若第一判断结果为是,则返回步骤“根据电压序列数据获取第一时刻所有电池单体的电压数据,并确定得到第一时刻所有电池单体的电压数据中的最大电压数据,记为第一最大电压数据”。
若第一判断结果为否,则发出过充报警信号。
作为本发明的另一优选实施方式,本发明提供的动力电池多故障在线诊断方法,还包括:
获取动力电池的温度序列数据。温度序列数据包括:与每一时刻对应的电池单体的温度数据。
根据温度序列数据获取第一时刻所有电池单体的温度数据,并确定得到第一时刻所有电池单体的温度数据中的最大温度数据,记为第一最大温度数据。
根据温度序列数据获取第二时刻所有电池单体的温度数据,并确定得到第二时刻所有电池单体的温度数据中的最大温度数据,记为第二最大温度数据。
获取温度阈值,并判断第一最大温度数据和第二最大温度数据是否均小于温度阈值,得到第二判断结果。
若第二判断结果为是,则返回步骤“根据温度序列数据获取第一时刻所有电池单体的温度数据,并确定得到第一时刻所有电池单体的温度数据中的最大温度数据,记为第一最大温度压数据”。
若第二判断结果为否,则发出过热报警信号。
作为本发明的再一优选实施方式,上述步骤130,具体包括:
根据离散弗雷歇距离得到离散弗雷歇距离序列。
获取动力电池中每一电池单体的标准差后形成标准差序列。
以离散弗雷歇距离序列和标准差序列为输入,采用局部异常因子检测方法得到故障电池单体。
作为本发明的又一优选实施方式,本发明提供的动力电池多故障在线诊断方法,还包括:
对电压序列数据和温度序列数据分别进行预处理。本发明中的预处理过程为:
单体电压不在[2V,5V]之间,删除该单体的电压数据。
当前时刻的探针温度最大温度减去最小温度极差大于40℃,删除该时刻的所有温度数据。
此外,本发明提供的上述动力电池多故障在线诊断方法中,电压序列数据和温度序列数据可以从车辆的车载终端(T-BOX)中直接获得,进而能够避免是要数据所带来的不确定性。
对应与上述提供的动力电池多故障在线诊断方法,本发明还对应提供了一种动力电池多故障在线诊断***,如图2所示,该***包括:电压序列数据获取模块1、电压曲线确定模块2、离散弗雷歇距离确定模块3和故障电池单体确定模块4。
其中,电压序列数据获取模块1用于获取动力电池的电压序列数据。电压序列数据包括:与每一时刻对应的电池单体的电压数据。
电压曲线确定模块2用于根据电压序列数据确定平均电压曲线和电池单体的电压曲线。
离散弗雷歇距离确定模块3用于确定电压曲线和平均电压曲线间的离散弗雷歇距离。
故障电池单体确定模块4用于采用局部异常因子检测方法根据离散弗雷歇距离确定动力电池中的故障电池单体。
作为本发明的一优选实施方式,本发明提供的动力电池多故障在线诊断***,还包括:
第一最大电压数据确定模块,用于根据电压序列数据获取第一时刻所有电池单体的电压数据,并确定得到第一时刻所有电池单体的电压数据中的最大电压数据,记为第一最大电压数据。
第二最大电压数据确定模块,用于根据电压序列数据获取第二时刻所有电池单体的电压数据,并确定得到第二时刻所有电池单体的电压数据中的最大电压数据,记为第二最大电压数据。
第一判断模块,用于获取电压阈值,并判断第一最大电压数据和第二最大电压数据是否均小于电压阈值,得到第一判断结果。
第一返回模块,用于当第一判断结果为是时,返回步骤“根据电压序列数据获取第一时刻所有电池单体的电压数据,并确定得到第一时刻所有电池单体的电压数据中的最大电压数据,记为第一最大电压数据”。
过充报警模块,用于当第一判断结果为否时,发出过充报警信号。
作为本发明的另一优选实施方式,本发明提供的动力电池多故障在线诊断***,还包括:
温度序列数据获取模块,用于获取动力电池的温度序列数据。温度序列数据包括:与每一时刻对应的电池单体的温度数据。
第一最大温度数据确定模块,用于根据温度序列数据获取第一时刻所有电池单体的温度数据,并确定得到第一时刻所有电池单体的温度数据中的最大温度数据,记为第一最大温度数据。
第二最大温度数据确定模块,用于根据温度序列数据获取第二时刻所有电池单体的温度数据,并确定得到第二时刻所有电池单体的温度数据中的最大温度数据,记为第二最大温度数据。
第二判断模块,用于获取温度阈值,并判断第一最大温度数据和第二最大温度数据是否均小于温度阈值,得到第二判断结果。
第二返回模块,用于当第二判断结果为是时,返回步骤“根据温度序列数据获取第一时刻所有电池单体的温度数据,并确定得到第一时刻所有电池单体的温度数据中的最大温度数据,记为第一最大温度压数据”。
过热报警模块,用于当第二判断结果为否时,发出过热报警信号。
作为本发明的再一优选实施方式,本发明提供的动力电池多故障在线诊断***中的上述故障电池单体确定模块,具体包括:
离散弗雷歇距离序列确定单元,用于根据离散弗雷歇距离得到离散弗雷歇距离序列。
标准差序列确定单元,用于获取动力电池中每一电池单体的标准差后形成标准差序列。
故障电池单体确定单元,用于以离散弗雷歇距离序列和标准差序列为输入,采用局部异常因子检测方法得到故障电池单体。
作为本发明的又一优选实施方式,本发明提供的动力电池多故障在线诊断***,还包括:
预处理模块,用于对电压序列数据和温度序列数据分别进行预处理。
下面以一个具体实施例,对本发明提供的上述技术方案进行详细说明。在具体应用时,本发明提供的技术方案还适用于其他计算方式。
从车载终端(T-BOX)获取随着时间序列t1时刻到t2时刻的动力电池的电池单体的电压数据和探针温度数据。在该时间序列下,每一帧代表一个时刻,一一对应关系。
对电压数据进行预处理:电池单体电压不在[2V,5V]之间,删除该电池单体的电压数据;
对温度数据进行预处理:当前时刻的探针温度最大温度减去最小温度极差大于40℃,删除该时刻的所有温度数据。
找出每一帧的所有电池单体电压的最大值Umax,与规定的充电截止电压阈值T0比较,如果连续两帧Umax>T0,则发出过充报警信号;
找出每一帧的所有电池单体电压的最小值Umin,与规定的放电截止压阈值T1比较,如果连续两帧Umin<T1,则为过放报警报警;
步骤4:找出每一帧的温度的最大值Tmax,与规定的最高温度T0比较,如果连续两帧Tmax>T0,则为过热报警;
步骤5:计算这个时间序列下的弗雷歇距离:
先定义下数学符号,右下标代表电池单体编号:
在t1时刻到t2时刻时间序列下的每个单体电压与平均电压的离散费雷歇距离计算
可以将第i各电池单体的电压序列为P曲线理解成p个点构成,平均电压曲线为Q曲线,理解为q个点构成,则σ(P)=(u1,…,up),σ(Q)=(v1,…,vq)形成的数据对为其中,a1=1,b1=1,am=p,bm=q。需满足下述两个规则:ai+1=ai,or,ai+1=ai+1,bi+1=bi,or,bi+1=bi+1。
P和Q曲线的离散弗雷歇距离为:δF(P,Q)=min(||L||)
最终得到t1时刻到t2时刻的n个电池单体的离散弗雷歇距离为:F=(f1,…,fi,…,fn)。其中,n为电池单体编号,n=1,2,……。
步骤6:利用局部异常因子来识别故障单体:
输入包括两个参数:t1时刻到t2时刻的n电池单体的标准差为:S=(s1,…,si,…,sn),t1时刻到t2时刻的n个电池单体的离散弗雷歇距离为:F=(f1,…,fi,…,fn)。
如果某个电池单体LOF值大于5,提取该单体并确定为故障单体。
本发明提供的上述技术方案融合了阈值法、离散费雷歇距离和局部异常因子三种方法进行动力电池的故障诊断,能够快速识别过充、过放、过热等故障,具有效率高,确定故障简单等优点。其次,本发明利用离散费雷歇距离和局部异常因子方法进行电池单体的异常识别,在提高电池故障单体识别准确性的同时,还能够提高识别效率。
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。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
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 (10)
1.一种动力电池多故障在线诊断方法,其特征在于,包括:
获取动力电池的电压序列数据;所述电压序列数据包括:与每一时刻对应的电池单体的电压数据;
根据所述电压序列数据确定平均电压曲线和所述电池单体的电压曲线;
确定所述电压曲线和所述平均电压曲线间的离散弗雷歇距离;
采用局部异常因子检测方法根据所述离散弗雷歇距离确定所述动力电池中的故障电池单体。
2.根据权利要求1所述的动力电池多故障在线诊断方法,其特征在于,所述获取动力电池的电压序列数据,之后还包括:
根据所述电压序列数据获取第一时刻所有电池单体的电压数据,并确定得到所述第一时刻所有电池单体的电压数据中的最大电压数据,记为第一最大电压数据;
根据所述电压序列数据获取第二时刻所有电池单体的电压数据,并确定得到所述第二时刻所有电池单体的电压数据中的最大电压数据,记为第二最大电压数据;
获取电压阈值,并判断所述第一最大电压数据和所述第二最大电压数据是否均小于所述电压阈值,得到第一判断结果;
若所述第一判断结果为是,则返回步骤“根据所述电压序列数据获取第一时刻所有电池单体的电压数据,并确定得到所述第一时刻所有电池单体的电压数据中的最大电压数据,记为第一最大电压数据”;
若所述第一判断结果为否,则发出过充报警信号。
3.根据权利要求1所述的动力电池多故障在线诊断方法,其特征在于,还包括:
获取动力电池的温度序列数据;所述温度序列数据包括:与每一时刻对应的电池单体的温度数据;
根据所述温度序列数据获取第一时刻所有电池单体的温度数据,并确定得到所述第一时刻所有电池单体的温度数据中的最大温度数据,记为第一最大温度数据;
根据所述温度序列数据获取第二时刻所有电池单体的温度数据,并确定得到所述第二时刻所有电池单体的温度数据中的最大温度数据,记为第二最大温度数据;
获取温度阈值,并判断所述第一最大温度数据和所述第二最大温度数据是否均小于所述温度阈值,得到第二判断结果;
若所述第二判断结果为是,则返回步骤“根据所述温度序列数据获取第一时刻所有电池单体的温度数据,并确定得到所述第一时刻所有电池单体的温度数据中的最大温度数据,记为第一最大温度压数据”;
若所述第二判断结果为否,则发出过热报警信号。
4.根据权利要求1所述的动力电池多故障在线诊断方法,其特征在于,所述采用局部异常因子检测方法根据所述离散弗雷歇距离确定所述动力电池中的故障电池单体,具体包括:
根据所述离散弗雷歇距离得到离散弗雷歇距离序列;
获取所述动力电池中每一电池单体的标准差后形成标准差序列;
以所述离散弗雷歇距离序列和所述标准差序列为输入,采用所述局部异常因子检测方法得到所述故障电池单体。
5.根据权利要求3所述的动力电池多故障在线诊断方法,其特征在于,还包括:
对所述电压序列数据和所述温度序列数据分别进行预处理。
6.一种动力电池多故障在线诊断***,其特征在于,包括:
电压序列数据获取模块,用于获取动力电池的电压序列数据;所述电压序列数据包括:与每一时刻对应的电池单体的电压数据;
电压曲线确定模块,用于根据所述电压序列数据确定平均电压曲线和所述电池单体的电压曲线;
离散弗雷歇距离确定模块,用于确定所述电压曲线和所述平均电压曲线间的离散弗雷歇距离;
故障电池单体确定模块,用于采用局部异常因子检测方法根据所述离散弗雷歇距离确定所述动力电池中的故障电池单体。
7.根据权利要求6所述的动力电池多故障在线诊断***,其特征在于,还包括:
第一最大电压数据确定模块,用于根据所述电压序列数据获取第一时刻所有电池单体的电压数据,并确定得到所述第一时刻所有电池单体的电压数据中的最大电压数据,记为第一最大电压数据;
第二最大电压数据确定模块,用于根据所述电压序列数据获取第二时刻所有电池单体的电压数据,并确定得到所述第二时刻所有电池单体的电压数据中的最大电压数据,记为第二最大电压数据;
第一判断模块,用于获取电压阈值,并判断所述第一最大电压数据和所述第二最大电压数据是否均小于所述电压阈值,得到第一判断结果;
第一返回模块,用于当所述第一判断结果为是时,返回步骤“根据所述电压序列数据获取第一时刻所有电池单体的电压数据,并确定得到所述第一时刻所有电池单体的电压数据中的最大电压数据,记为第一最大电压数据”;
过充报警模块,用于当所述第一判断结果为否时,发出过充报警信号。
8.根据权利要求6所述的动力电池多故障在线诊断***,其特征在于,还包括:
温度序列数据获取模块,用于获取动力电池的温度序列数据;所述温度序列数据包括:与每一时刻对应的电池单体的温度数据;
第一最大温度数据确定模块,用于根据所述温度序列数据获取第一时刻所有电池单体的温度数据,并确定得到所述第一时刻所有电池单体的温度数据中的最大温度数据,记为第一最大温度数据;
第二最大温度数据确定模块,用于根据所述温度序列数据获取第二时刻所有电池单体的温度数据,并确定得到所述第二时刻所有电池单体的温度数据中的最大温度数据,记为第二最大温度数据;
第二判断模块,用于获取温度阈值,并判断所述第一最大温度数据和所述第二最大温度数据是否均小于所述温度阈值,得到第二判断结果;
第二返回模块,用于当所述第二判断结果为是时,返回步骤“根据所述温度序列数据获取第一时刻所有电池单体的温度数据,并确定得到所述第一时刻所有电池单体的温度数据中的最大温度数据,记为第一最大温度压数据”;
过热报警模块,用于当所述第二判断结果为否时,发出过热报警信号。
9.根据权利要求6所述的动力电池多故障在线诊断***,其特征在于,所述故障电池单体确定模块,具体包括:
离散弗雷歇距离序列确定单元,用于根据所述离散弗雷歇距离得到离散弗雷歇距离序列;
标准差序列确定单元,用于获取所述动力电池中每一电池单体的标准差后形成标准差序列;
故障电池单体确定单元,用于以所述离散弗雷歇距离序列和所述标准差序列为输入,采用所述局部异常因子检测方法得到所述故障电池单体。
10.根据权利要求8所述的动力电池多故障在线诊断***,其特征在于,还包括:
预处理模块,用于对所述电压序列数据和所述温度序列数据分别进行预处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011214793.9A CN112345955B (zh) | 2020-11-04 | 2020-11-04 | 一种动力电池多故障在线诊断方法与*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011214793.9A CN112345955B (zh) | 2020-11-04 | 2020-11-04 | 一种动力电池多故障在线诊断方法与*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112345955A true CN112345955A (zh) | 2021-02-09 |
CN112345955B CN112345955B (zh) | 2021-09-07 |
Family
ID=74355945
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011214793.9A Active CN112345955B (zh) | 2020-11-04 | 2020-11-04 | 一种动力电池多故障在线诊断方法与*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112345955B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113799611A (zh) * | 2021-09-26 | 2021-12-17 | 上汽通用五菱汽车股份有限公司 | 电动汽车电池诊断及控制方法、车载终端及可读存储介质 |
CN116106758A (zh) * | 2023-03-23 | 2023-05-12 | 华能新能源股份有限公司山西分公司 | 基于数据驱动的电池故障诊断方法及*** |
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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102269798A (zh) * | 2010-06-07 | 2011-12-07 | 四川德源电气有限公司 | 一种检测故障电池的方法及装置 |
CN111064253A (zh) * | 2019-12-30 | 2020-04-24 | 上海电力大学 | 一种基于平均离散Fréchet距离的电池健康度快速评估方法 |
CN111090050A (zh) * | 2020-01-21 | 2020-05-01 | 合肥工业大学 | 一种基于支持向量机和k均值的锂电池故障诊断方法 |
CN111426955A (zh) * | 2020-04-23 | 2020-07-17 | 华南理工大学 | 一种锂离子电池故障诊断方法 |
CN111596232A (zh) * | 2020-06-15 | 2020-08-28 | 四川中电启明星信息技术有限公司 | 一种基于电压序列变点检测的户变关系校验方法 |
-
2020
- 2020-11-04 CN CN202011214793.9A patent/CN112345955B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102269798A (zh) * | 2010-06-07 | 2011-12-07 | 四川德源电气有限公司 | 一种检测故障电池的方法及装置 |
CN111064253A (zh) * | 2019-12-30 | 2020-04-24 | 上海电力大学 | 一种基于平均离散Fréchet距离的电池健康度快速评估方法 |
CN111090050A (zh) * | 2020-01-21 | 2020-05-01 | 合肥工业大学 | 一种基于支持向量机和k均值的锂电池故障诊断方法 |
CN111426955A (zh) * | 2020-04-23 | 2020-07-17 | 华南理工大学 | 一种锂离子电池故障诊断方法 |
CN111596232A (zh) * | 2020-06-15 | 2020-08-28 | 四川中电启明星信息技术有限公司 | 一种基于电压序列变点检测的户变关系校验方法 |
Non-Patent Citations (1)
Title |
---|
PENG LIU 等: "High-dimensional data abnormity detection based on improved Variance-of-Angle (VOA) algorithm for electric vehicles battery", 《2019 IEEE ENERGY CONVERSION CONGRESS AND EXPOSITION(ECCE)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113799611A (zh) * | 2021-09-26 | 2021-12-17 | 上汽通用五菱汽车股份有限公司 | 电动汽车电池诊断及控制方法、车载终端及可读存储介质 |
CN116106758A (zh) * | 2023-03-23 | 2023-05-12 | 华能新能源股份有限公司山西分公司 | 基于数据驱动的电池故障诊断方法及*** |
CN116106758B (zh) * | 2023-03-23 | 2024-01-30 | 华能新能源股份有限公司山西分公司 | 基于数据驱动的电池故障诊断方法及*** |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN112345955B (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112345955B (zh) | 一种动力电池多故障在线诊断方法与*** | |
CN107153162B (zh) | 一种动力电池组多故障在线检测方法 | |
CN107843853B (zh) | 一种动力电池组串联连接故障诊断方法 | |
CN110376530B (zh) | 电池内短路检测装置及方法 | |
CN114430080B (zh) | 一种基于运行数据的动力电池电芯异常自放电的识别方法 | |
CN112630660B (zh) | 一种基于支持向量机的电池故障识别方法 | |
CN110370984A (zh) | 动力电池热失控预警方法 | |
CN110940921A (zh) | 基于修正方差的锂离子电池串的多故障诊断方法及*** | |
WO2022001197A1 (zh) | 电芯内部短路故障的检测方法、装置、设备和介质 | |
CN115327386B (zh) | 一种基于电热耦合模型的电池组多故障诊断方法 | |
CN112319308B (zh) | 一种动力电池多故障检测方法与*** | |
CN111913113A (zh) | 电芯内短路识别方法、装置、存储介质及电子设备 | |
CN117341476B (zh) | 一种电池压差故障预警方法及*** | |
CN110874693A (zh) | 一种电池包异常工况的确定方法、检测方法以及装置 | |
CN115659799A (zh) | 一种具备阈值自适应功能的锂电储能电站故障诊断方法 | |
CN111537893A (zh) | 一种锂离子电池模组运行安全的评测方法、***及电子设备 | |
Gu et al. | A precise minor-fault diagnosis method for lithium-ion batteries based on phase plane sample entropy | |
CN114814593A (zh) | 基于闵氏距离和两步检测策略的电池组多故障诊断方法 | |
CN117719345A (zh) | 一种基于ic曲线考虑老化的电池微短路量化方法 | |
CN113391214A (zh) | 一种基于电池充电电压排名变化的电池微故障诊断方法 | |
CN107632267B (zh) | 一种电池异常单体定位方法及*** | |
CN115792634A (zh) | 一种基于云端在线数据的电池单体电压采样故障识别方法 | |
CN113071315B (zh) | 电动汽车高压电气***连接完整性检测方法及*** | |
CN115166520A (zh) | 一种基于熵和聚类算法的锂离子电池组短路故障诊断方法 | |
CN114019396A (zh) | 一种电池包阻抗检测方法及装置 |
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 |