CN112684349A - 电池单体失效的分析方法、验证方法、装置、设备及介质 - Google Patents
电池单体失效的分析方法、验证方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN112684349A CN112684349A CN202110099194.5A CN202110099194A CN112684349A CN 112684349 A CN112684349 A CN 112684349A CN 202110099194 A CN202110099194 A CN 202110099194A CN 112684349 A CN112684349 A CN 112684349A
- Authority
- CN
- China
- Prior art keywords
- failure
- battery
- simulation
- test
- model
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 81
- 239000000178 monomer Substances 0.000 title claims abstract description 53
- 238000004458 analytical method Methods 0.000 title abstract description 27
- 238000012795 verification Methods 0.000 title description 7
- 230000008569 process Effects 0.000 claims abstract description 32
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 238000004088 simulation Methods 0.000 claims description 136
- 238000012360 testing method Methods 0.000 claims description 127
- 238000003860 storage Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 4
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 21
- 229910001416 lithium ion Inorganic materials 0.000 description 21
- 238000007726 management method Methods 0.000 description 17
- 238000013461 design Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 9
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 7
- 229910052744 lithium Inorganic materials 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 208000032953 Device battery issue Diseases 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 239000003792 electrolyte Substances 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000007599 discharging Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002427 irreversible effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 230000020169 heat generation Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000003647 oxidation Effects 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000002904 solvent Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 125000001183 hydrocarbyl group Chemical group 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000005486 organic electrolyte Substances 0.000 description 1
- 239000003960 organic solvent Substances 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 239000007774 positive electrode material Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000013102 re-test Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Secondary Cells (AREA)
Abstract
本发明实施例公开了一种电池单体失效的分析方法、验证方法、装置、设备及介质。包括:建立电池单体的失效模型;根据所述失效模型确定所述电池单体的失效原因;基于所述失效原因确定所述电池单体的失效前置条件;对所述电池单体进行监测,当检测到所述电池单体达到所述失效前置条件时,生成报警信号;将所述报警信号发送至电池管理***,使得所述电池管理***对所述电池单体进行安全处理。本发明实施例提供的电池单体失效的分析方法,可以实现对电池单体失效的分析,预防电池使用过程中失效并导致整车安全事故发生。
Description
技术领域
本发明实施例涉及电动车电池技术领域,尤其涉及一种电池单体失效的分析方法、验证方法、装置、设备及介质。
背景技术
随着当前新能源汽车产业的迅猛发展,新能源汽车产品相关试验受到高度重视,其中电驱动电机、电池作为新能源汽车的关键部件,其性能试验及数据的管理、分析对产品的质量评估来说尤为重要。在这样的大背景环境下,新能源试验室提出了“电池全生命周期安全”理念,从电池的量子动力学仿真分析出发,通过在计算机上仿真模拟电芯在安装到汽车上使用时可能遇到的各种意外状况,对电池生产的全过程进行安全管控。
仿真虚拟试验可以作为物理试验的前期准备工作,可以替代在现实中难以进行的试验,改变了传统的试验模式,即从传统的“实物验证-改进实物-再试验”以实物验证为主的模式向“实物验证-仿真验证-虚实对比-改进试验/模型-实物验证”的“虚实结合”、“反馈迭代”的模式转变,采用虚拟仿真***代替实际***,使试验次数可以不受限制,试验过程具有可重复性,得到可信的仿真模型,可以更好地指导后续物理试验方案设计,有效的方案实施能够减少试验次数、降低试验成本、加快复杂产品,使数字化仿真试验部分替代物理试验成为可能。
随着计算机技术、信息处理技术、CAX技术的迅猛发展,在虚拟环境下已经可以完成电池产品的各种测试、试验、性能评价,首先要对虚拟试验的模型进行验证,保证虚拟试验的结果和物理试验的结果吻合。当虚拟试验能够和物理试验相吻合时,可以用虚拟试验替代物理试验,节省了大量的时间、成本和人力,也解决了物理试验时间、地点上的局限性。同时,当引入新的动力电池或新的试验时,只需要继续输入物理试验的数据,即可得到新的仿真模型,通过仿真模型进行虚拟试验,继续输入物理试验的数据,知道仿真模型进行虚拟试验的结果与物理试验相吻合即可。
发明内容
本发明实施例提供一种电池单体失效的分析方法、验证方法、装置、设备及介质,以实现对电池单体失效的分析,预防电池使用过程中失效并导致整车安全事故发生。
第一方面,本发明实施例提供了一种电池单体失效的分析方法,包括:
建立电池单体的失效模型;
根据所述失效模型确定所述电池单体的失效原因;
基于所述失效原因确定所述电池单体的失效前置条件;
对所述电池单体进行监测,当检测到所述电池单体达到所述失效前置条件时,生成报警信号;
将所述报警信号发送至电池管理***,使得所述电池管理***对所述电池单体进行安全处理。
进一步地,根据所述失效模型确定所述电池单体的失效原因,包括:
检测所述电池单体处于所述失效模型中的电池参数;其中,所述电池参数包括温度、电压、电流、内阻、碰撞压力;
根据检测到的电池参数确定失效原因。
进一步地,还包括:
提取所述电池单体的实际参数曲线;
将所述实际参数曲线与仿真参数曲线进行比对;
若比对结果超出设定阈值,则生成报警信号。
第二方面,本发明实施例还提供了一种电池单体失效的验证方法,包括:
建立电池单体的仿真模型及所述仿真模型的边界条件;
基于所述边界条件进行仿真获得所述电池单体的仿真结果;
对所述电池单体进行实际试验,获得试验结果;
提取相同工况下的仿真结果数据与试验结果数据,并将所述仿真结果数据与所述试验结果数据进行比对,获得比对结果;
根据所述比对结果对所述仿真模型进行优化。
进一步地,建立电池单体的仿真模型,包括:
从仿真***中提取仿真数据,从试验***中提起试验数据;
对所述仿真数据和所述试验数据进行比对分析,获得仿真模型。
进一步地,提取相同工况下的仿真结果数据与试验结果数据,并将所述仿真结果数据与所述试验结果数据进行比对,获得比对结果,包括:
提取相同工况下的仿真结果数据的第一关键参数值和试验结果数据的第二关键参数值;
对所述第一关键参数值和所述第二关键参数值采用设定匹配算法进行匹配,获得相关系数;
根据所述相关系数确定比对结果。
第三方面,本发明实施例还提供了一种电池单体失效的分析装置,包括:
失效模型建立模块,用于建立电池单体的失效模型;
失效原因确定模块,用于根据所述失效模型确定所述电池单体的失效原因;
失效前置条件确定模块,用于基于所述失效原因确定所述电池单体的失效前置条件;
报警信号生成模块,用于对所述电池单体进行监测,当检测到所述电池单体达到所述失效前置条件时,生成报警信号;
安全处理模块,用于将所述报警信号发送至电池管理***,使得所述电池管理***对所述电池单体进行安全处理。
第四方面,本发明实施例还提供了一种电池单体失效的验证装置,包括:
仿真模型建立模块,用于建立电池单体的仿真模型及所述仿真模型的边界条件;
仿真结果获取模块,用于基于所述边界条件进行仿真获得所述电池单体的仿真结果;
试验结果获取模块,用于对所述电池单体进行实际试验,获得试验结果;
比对结果获取模块,用于提取相同工况下的仿真结果数据与试验结果数据,并将所述仿真结果数据与所述试验结果数据进行比对,获得比对结果;
仿真模型优化模块,用于根据所述比对结果对所述仿真模型进行优化。
第五方面,本发明实施例还提供了一种计算机设备,所述设备包括:包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明实施例所述的电池单体失效的分析方法或者本发明实施例所述的电池单体失效的验证方法。
第六方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理装置执行时实现如本发明实施例所述的电池单体失效的分析方法或者本发明实施例所述的电池单体失效的验证方法
本发明实施例公开了一种电池单体失效的分析方法、验证方法、装置、设备及介质。建立电池单体的失效模型;根据所述失效模型确定所述电池单体的失效原因;基于所述失效原因确定所述电池单体的失效前置条件;对所述电池单体进行监测,当检测到所述电池单体达到所述失效前置条件时,生成报警信号;将所述报警信号发送至电池管理***,使得所述电池管理***对所述电池单体进行安全处理。本发明实施例提供的电池单体失效的分析方法,可以实现对电池单体失效的分析,预防电池使用过程中失效并导致整车安全事故发生。
附图说明
图1是本发明实施例一中的一种电池单体失效的分析方法的流程图;
图2是本发明实施例二中的一种电池单体失效的验证方法的流程图;
图3是本发明实施例三中的一种电池单体失效的分析装置的结构示意图;
图4是本发明实施例四中的一种电池单体失效的验证装置的结构示意图;
图5是本发明实施例五中的一种计算机设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
作为电动汽车的动力来源,动力电池是电动汽车的重要组成部分,其性能直接影响着整车的各方面性能和行车的安全性,而电池分为性能失效和安全性失效。整车中的锂离子动力电池在滥用条件下甚至会导致着火、***乃至人员伤亡等事件的发生,而锂离子动力电池的安全性主要由于其自身的特点所决定的。动力电池的能量密度较高,具有较高的输出电压,采用有机电解质体系,有机溶剂是碳氢化合物,在4.6V左右易发生氧化,并且溶剂易燃,若出现泄露等情况,会引起电池着火,甚至燃烧、***。再者,对于锂离子动力电池而言,过充电反应会使正极材料结构发生变化,使材料具有很强的氧化性,可能将电解液中的溶剂氧化,并且这个过程不可逆,反应所引发的热量如果积累会引发热失控的风险。特别是容量越大的锂离子动力电池,其危险性也越大。因此基于仿真和失效分析的电池单体关键技术,对动力电池失效的分析诊断,预测动力电池故障的发生,对于延长动力电池的使用寿命、提高电动汽车的整车性能和行车安全性都是极为重要的。电动汽车的电池危险情况一般直观表现为电池的温度、电压、电流和内阻等方面的不正常波动,这些故障都是由锂离子动力电池的内在结构特性及材料特性所致。新能源汽车、大规模储能和先进消费电子领域的快速发展,对锂离子电池的能量密度、循环寿命、充放电倍率和安全性不断提出新的要求,基于仿真和失效分析的电池单体关键技术就随之应运而生。
动力电池单体的失效分析技术是对电池材料、表界面现象的观察和分析,解析电池失效的原因,结合在电池失效过程中对电池温度、电压、电流、内阻、产气成分等的监控和检测,可以收集动力电池单体不同种类的失效模型并建立失效模型分析数据库。锂离子动力电池单体的性能仿真技术是以电池单体为研究对象,基于拆解分析获取电池单体材料、结构和工艺参数,通过电池极片设计仿真,评价电池电性能和热性能。将失效分析和性能仿真***相结合,可以将锂离子动力电池单体失效的前置条件界定出来,有利于指导电池设计和电池的深度使用;从预防锂离子电池单体在使用过程中失效并导致整车安全事故发生的角度考虑,通过仿真和失效分析的电池单体关键技术将锂离子电池单体的失效前置条件进行输入,比如大倍率放电,或者加热150℃不能出现异常等条件测定出来,根据相应条件对电池单体进行检测、监控,并通过BMS等控制方法将达到失效前置条件的锂离子电池单体进行安全处理。例如通过对锂离子电池单体表面温度的检测,可以在单体发生不可逆的失效反应前的温度下,对此锂离子电池单体进行降温和断路处理,防止因单体失效发生的整车用户的安全事故。如通过对电池单体内部气体成分的实时监控,可以在检测到锂离子电池单体内部反应不可逆阶段产生的气体成分时,仅对此单体进行降温和断路处理,同时将该安全隐患通知整车用户。
从指导电池单体的设计和深度使用的角度考虑,通过仿真和失效分析的电池单体关键技术可以将锂离子电池单体的失效模型进行收集和汇总,并将失效模型加入设计阶段的潜在失效模型分析(DFMEA)中,从设计角度对锂离子电池单体的失效模型提出改善方式:当发现电池使用过程中会出现失效引发安全事故时,需要通过仿真模型进行虚拟试验,得到电池失效时,是从哪些部件开始失效的,比如温度过高,电解液优先失效,产气导致开阀,那么失效的薄弱点就出来了,电解液和电池产热过大,从设计角度,电解液加些添加剂降低产气量,或者结构件改善,降低内阻降低产热等,从源头上杜绝此类情况再次发生。同时,在已知各类失效模型的前置条件(临界条件)的情况下,单体的深度使用将会变得容易,在避免锂离子电池单体失效的前提下,最大程度将单体的性能发挥出来,例如可以通过对单体析锂边界条件的测定,在满足电池循环要求的情况下,最大程度的减少单体的充电时间。同时,满足单体使用安全性和性能要求的前提下,可以最大程度的降低成本和开发周期,增加产品的竞争力。
基于仿真评价失效分析的电池单体关键技术未来的最终构想,是将仿真***(SDM)与试验室综合管理***(TDM)相协同、试验与设计工具(ODPP、ORIGIN、MATLB)相协同纳入数据分析处理中。进行智能判读算法或预处理算法调用Origin及Matlab直接将数据加载至处理软件中,同时在数据分析完成后,结果数据通过数据回传的方式将数据传回至ODPP中,从***中分别获取仿真数据、试验数据按照试验边界条件进行的仿真计算结果进一步处理,软件通过物理试验结果与虚拟试验结果进行比对分析形成与试验通道数据或进一步处理真实物理意义的数据后进行对比的过程,试验数据包括输入的试验参数值。仿真数据包括:模型几何信息、空间连续的计算结果信息。对比结果可以EXCEL表单形式存放,如有时域过程或增量加载过程,可对两组数据进行简单的曲线绘制以及方差分析,再对数据结果进行分析判断是否有故障出现。一旦出现故障,需要对故障进行分离,提示故障发生的时间、位置、严重程度等相关信息,最后获取的数据在线计算处理研究解决动力电池失效原因,如容量衰减、内阻增大、电压异常、热失效等进行故障诊断。
通过纯电动汽车动力***故障信号发生***与计算机端故障诊断***进行联合仿真数据调试及识别,并进行实车试验,验证电池单体性能的有效性和可靠性,利用以往试验数据加载到当前曲线,便于仿真数据和试验数据的分析对比;对于入库试验数据,按照预定的规则分组为不同的状态,根据状态进行数据的查询,进行针对性的数据分析、对比等处理。以数字、表格、曲线等多种形式进行不同试验的同类参数、同类试验或不同参数等多组试验数据的对比。同时,能够将同型号同参数数据进行横向趋势比较和点值比较,可以将多个通道的试验数据曲线显示在同一坐标系内,提供纵坐标值对比、横坐标值对比、峰值对比、均方差对比等多种对比手段,绘制MAP图等,最终判断动力电池失效是性能失效还是安全性失效,从源头上彻底杜绝或预防电池单体在使用过程中失效的可能。还可以对异常数据提供预警报警窗口以不同颜色显示异常数据。实时采集的数据实现两种预警规则,一种是根据曲线的斜率进行自动判断,当斜率出现不连续时,进行报警;一种是与关联的测点位置提取的结果曲线进行实时比对,当偏差超过设定范围进行报警。
当试验结束后分析各部分内容的来源,在试验过程的各个阶段采集,提取报告所需内容,最终调用报告模板自动生成试验报告;通过数据共享参与数据分析处理当中,预测和预防失效现象的技术活动。它的优势在于:(1)多种电池体系的快速评价极端工况下进行电池设计,可对任务具有一个或者多个能量源的能量存储***进行精确的***寿命,从而对锂电池的使用性能指标和成本优化提出了更高的要求;(2)虚拟仿真验证团队利用数字化仿真技术,采用精确的综合仿真模型了解实际的电池产品性能,快速利用“假设”分析,助力设计人员提前了解产品特性,避免设计浪费,缩短产品上市周期。
实施例一
图1为本发明实施例一提供的一种电池单体失效的分析方法的流程图,本实施例可适用于对电池单体的失效进行分析的情况,该方法可以由电池单体失效的分析装置来执行,如图1所示,该方法具体包括如下步骤:
步骤110,建立电池单体的失效模型。
其中,失效模型可以理解为电池单体所处的失效模式,例如:电池漏液、***、起火等。本实施例中,建立电池单体的失效模型的方式可以是:对电池单体进行短路试验,使得电池单体处于失效模式中,从而获得电池单体的失效模型。
步骤120,根据失效模型确定电池单体的失效原因。
其中,失效原因可以包括电压超过电压阈值、电流超过电流阈值、内阻超过一定值等。
本实施例中,根据失效模型确定电池单体的失效原因的方式的可以是:检测电池单体处于失效模型中的电池参数;根据检测到的电池参数确定失效原因。
其中,电池参数包括温度、电压、电流、内阻、碰撞压力。具体的,对电池失效过程中的温度、电压、电流、内阻等进行检测,解析出电池的失效原因。
步骤130,基于失效原因确定电池单体的失效前置条件。
其中,失效前置条件可以理解为失效的边界条件,当电池参数达到该边界条件时,电池单体就会失效。基于失效原因确定电池单体的失效前置条件的过程可以是,首先建立电池试验模型,根据该试验模型对电池单体进行反复试验,获得电池单体的失效前置条件。示例性的,以快充策略为例:建立快充析锂模型,首先是试验,通过三电极试验,每5%SOC进行10S的脉冲测试,脉冲测试的电流是需要梯度去试,因为充电电流越大,负极越容易析锂,负极电位越低,当低于0时,就会出现析锂形象,通过试验,得到负极电位趋近于0的最大电流,那么就会有20个点,分别是在这个SOC下的最大电流,输入仿真软件里,做出模型。输入的是点,出来的是线,即通过仿真得到每个SOC下充电的最大电流,那么充电策略出来后按照析锂边界去做即可,可以在保证电池寿命的情况下深度使用电池。当然,在充电策略使用前,需要物理试验去充电,然后再跑循环,诊断是否真的不析锂,循环寿命没有大幅下降,指导电池设计和电池的深度使用。
步骤140,对电池单体进行监测,当检测到电池单体达到失效前置条件时,生成报警信号。
其中,对电池单体进行检测可以理解为对电池单元在使用过程中的各个参数进行检测,当检测到电池参数达到失效前置条件时,生成报警信号。
步骤150,将报警信号发送至电池管理***,使得电池管理***对电池单体进行安全处理。
当电池管理***接收到报警信号时,就会对电池单元进行安全处理。示例性的,在检测到锂离子电池单体内部反应不可逆阶段产生的气体成分时,仅对此单体进行降温和断路处理,同时将该安全隐患通知整车用户。
可选的,该方法还包括如下步骤:提取电池单体的实际参数曲线;将实际参数曲线与仿真参数曲线进行比对;若比对结果超出设定阈值,则生成报警信号。
示例性的,仿真充放电曲线是恒定的,而实际充放电曲线和仿真充放电曲线差距过大,有异常的可能性,BMS自动处理,当偏差超过设定范围进行报警。
本实施例的技术方案,建立电池单体的失效模型;根据所述失效模型确定所述电池单体的失效原因;基于所述失效原因确定所述电池单体的失效前置条件;对所述电池单体进行监测,当检测到所述电池单体达到所述失效前置条件时,生成报警信号;将所述报警信号发送至电池管理***,使得所述电池管理***对所述电池单体进行安全处理。本发明实施例提供的电池单体失效的分析方法,可以实现对电池单体失效的分析,预防电池使用过程中失效并导致整车安全事故发生。
实施例二
图2是本发明实施例二提供的一种电池单体失效的验证方法的流程图。如图2所示,该方法包括如下步骤:
步骤210,建立电池单体的仿真模型及仿真模型的边界条件。
其中,建立电池单体的仿真模型的过程可以是:从仿真***中提取仿真数据,从试验***中提起试验数据;对仿真数据和试验数据进行比对分析,获得仿真模型。
具体的,根据仿真模型管理,存储管理各类数字仿真试验模型,包括试验工况和试验模型。将建立的模型进行验证、修改得到完善的仿真模型,进而构成***仿真模型库。
步骤220,基于边界条件进行仿真获得电池单体的仿真结果。
具体的,首先建立电化学模型,输入电池的各项参数,通过建立电化学模型,然后输入一些前置条件,比如电池的充放电电流,上下限电压、时间、外界温度等有,然后监控的是电池的电压、内阻、温度、排气阀是否开阀,膨胀力、充放电曲线等,哪项有异常,就说明可能会引发安全事故,传输信号给BMS,BMS切断电池的充放电,并提示车内人员撤离。
步骤230,对电池单体进行实际试验,获得试验结果。
步骤240,提取相同工况下的仿真结果数据与试验结果数据,并将仿真结果数据与试验结果数据进行比对,获得比对结果。
本实施例中,提取相同工况下的仿真结果数据与试验结果数据,并将仿真结果数据与试验结果数据进行比对,获得比对结果的过程可以是:提取相同工况下的仿真结果数据的第一关键参数值和试验结果数据的第二关键参数值;对第一关键参数值和第二关键参数值采用设定匹配算法进行匹配,获得相关系数;根据相关系数确定比对结果。
其中,第一关键参数值包括模型几何信息、空间连续的计算结果信息,第二关键参数值可以包括型号、项目任务及数据等其它数据。
具体的,首先导入并显示仿真结果数据,然后将试验***导出的TDMDF试验数据导入Ensight并实现可视化展示(测点位置、方位描述、测量结果)。最后将试验数据与仿真数据进行比对,首先将试验实际测点位置与仿真单元节点调用坐标匹配算法进行精准匹配,得到两组数据的相关系数,评价两组数据的相关性,完成模型评估。
其中,对比结果以excel表单形式存放,如有时域过程或增量加载过程,可对两组数据进行简单的曲线绘制以及方差分析。
步骤250,根据比对结果对仿真模型进行优化。
可选的,在根据比对结果对仿真模型进行优化之后还包括:再进行实车试验,验证电池单体性能的有效性和可靠性;预测和预防失效现象的技术活动;实现采集数据预警判断。
本实施例的技术方案,建立电池单体的仿真模型及所述仿真模型的边界条件;基于所述边界条件进行仿真获得所述电池单体的仿真结果;对所述电池单体进行实际试验,获得试验结果;提取相同工况下的仿真结果数据与试验结果数据,并将所述仿真结果数据与所述试验结果数据进行比对,获得比对结果;根据所述比对结果对所述仿真模型进行优化。实现仿真核实际试验的结合。
上述实施例的优点和技术效果:一种通过仿真技术试验平台和试验模型,有效减少实物试验次数、缩短产品开发周期,降低开发成本。一种电池生产的全过程进行安全管控。一种通过实物试验与数字化试验数据对比***进行三维可视化测点标识和布局,使设计人员和试验人员可以直观、准确的查看测点位置,有助于提高测点布置的速度和准确度。一种实物试验与数字化试验数据对比***可以提供有效的虚拟试验与评价数据支撑,同时提供虚拟试验验证与预示手段,提高试验结果虚实匹配度,有效的指导实物试验。一种通过虚实试验数据结果比对,可以更加快速准确的验证设计思路是否正确,设计实现是否合理可行,通过分析试验数据比对结果,也可以帮助设计人员完善工程工艺设计
实施例三
图3是本发明实施例三提供的一种电池单体失效的分析装置的结构示意图。如图3所示,该装置包括:
失效模型建立模块510,用于建立电池单体的失效模型;
失效原因确定模块520,用于根据所述失效模型确定所述电池单体的失效原因;
失效前置条件确定模块530,用于基于所述失效原因确定所述电池单体的失效前置条件;
报警信号生成模块540,用于对所述电池单体进行监测,当检测到所述电池单体达到所述失效前置条件时,生成报警信号;
安全处理模块550,用于将所述报警信号发送至电池管理***,使得所述电池管理***对所述电池单体进行安全处理。
可选的,失效原因确定模块520,还用于:
检测所述电池单体处于所述失效模型中的电池参数;其中,所述电池参数包括温度、电压、电流、内阻、碰撞压力;
根据检测到的电池参数确定失效原因。
可选的,还包括:曲线比对模块,用于:
提取所述电池单体的实际参数曲线;
将所述实际参数曲线与仿真参数曲线进行比对;
若比对结果超出设定阈值,则生成报警信号。
实施例四
图4是本发明实施例四提供的一种电池单体失效的验证装置的结构示意图。如图4所示,该装置包括:
仿真模型建立模块410,用于建立电池单体的仿真模型及所述仿真模型的边界条件;
仿真结果获取模块420,用于基于所述边界条件进行仿真获得所述电池单体的仿真结果;
试验结果获取模块430,用于对所述电池单体进行实际试验,获得试验结果;
比对结果获取模块440,用于提取相同工况下的仿真结果数据与试验结果数据,并将所述仿真结果数据与所述试验结果数据进行比对,获得比对结果;
仿真模型优化模块450,用于根据所述比对结果对所述仿真模型进行优化。
可选的,仿真模型建立模块410,还用于:
从仿真***中提取仿真数据,从试验***中提起试验数据;
对所述仿真数据和所述试验数据进行比对分析,获得仿真模型。
可选的,比对结果获取模块440,还用于:
提取相同工况下的仿真结果数据的第一关键参数值和试验结果数据的第二关键参数值;
对所述第一关键参数值和所述第二关键参数值采用设定匹配算法进行匹配,获得相关系数;
根据所述相关系数确定比对结果。
上述装置可执行本发明前述所有实施例所提供的方法,具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明前述所有实施例所提供的方法。
实施例五
图5为本发明实施例五提供的一种计算机设备的结构示意图。图5示出了适于用来实现本发明实施方式的计算机设备312的框图。图5显示的计算机设备312仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。设备312是典型的电池单体失效的分析功能或者电池单体失效的验证功能的计算设备。
如图5所示,计算机设备312以通用计算设备的形式表现。计算机设备312的组件可以包括但不限于:一个或者多个处理器316,存储装置328,连接不同***组件(包括存储装置328和处理器316)的总线318。
总线318表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture,ISA)总线,微通道体系结构(Micro Channel Architecture,MCA)总线,增强型ISA总线、视频电子标准协会(Video Electronics Standards Association,VESA)局域总线以及***组件互连(Peripheral Component Interconnect,PCI)总线。
计算机设备312典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机设备312访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储装置328可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(Random Access Memory,RAM)330和/或高速缓存存储器332。计算机设备312可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***334可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory,CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory,DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线318相连。存储装置328可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块326的程序336,可以存储在例如存储装置328中,这样的程序模块326包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块326通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备312也可以与一个或多个外部设备314(例如键盘、指向设备、摄像头、显示器324等)通信,还可与一个或者多个使得用户能与该计算机设备312交互的设备通信,和/或与使得该计算机设备312能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口322进行。并且,计算机设备312还可以通过网络适配器320与一个或者多个网络(例如局域网(Local AreaNetwork,LAN),广域网Wide Area Network,WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器320通过总线318与计算机设备312的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备312使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks,RAID)***、磁带驱动器以及数据备份存储***等。
处理器316通过运行存储在存储装置328中的程序,从而执行各种功能应用以及数据处理,例如实现本发明上述实施例所提供的电池单体失效的分析方法或者电池单体失效的验证方法。
实施例四
本发明实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该程序被处理装置执行时实现如本发明实施例中的注视点的映射方法。本发明上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:建立电池单体的失效模型;根据所述失效模型确定所述电池单体的失效原因;基于所述失效原因确定所述电池单体的失效前置条件;对所述电池单体进行监测,当检测到所述电池单体达到所述失效前置条件时,生成报警信号;将所述报警信号发送至电池管理***,使得所述电池管理***对所述电池单体进行安全处理。或者,建立电池单体的仿真模型及所述仿真模型的边界条件;基于所述边界条件进行仿真获得所述电池单体的仿真结果;对所述电池单体进行实际试验,获得试验结果;提取相同工况下的仿真结果数据与试验结果数据,并将所述仿真结果数据与所述试验结果数据进行比对,获得比对结果;根据所述比对结果对所述仿真模型进行优化。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种电池单体失效的分析方法,其特征在于,包括:
建立电池单体的失效模型;
根据所述失效模型确定所述电池单体的失效原因;
基于所述失效原因确定所述电池单体的失效前置条件;
对所述电池单体进行监测,当检测到所述电池单体达到所述失效前置条件时,生成报警信号;
将所述报警信号发送至电池管理***,使得所述电池管理***对所述电池单体进行安全处理。
2.根据权利要求1所述的方法,其特征在于,根据所述失效模型确定所述电池单体的失效原因,包括:
检测所述电池单体处于所述失效模型中的电池参数;其中,所述电池参数包括温度、电压、电流、内阻、碰撞压力;
根据检测到的电池参数确定失效原因。
3.根据权利要求1所述的方法,其特征在于,还包括:
提取所述电池单体的实际参数曲线;
将所述实际参数曲线与仿真参数曲线进行比对;
若比对结果超出设定阈值,则生成报警信号。
4.一种电池单体失效的验证方法,其特征在于,包括:
建立电池单体的仿真模型及所述仿真模型的边界条件;
基于所述边界条件进行仿真获得所述电池单体的仿真结果;
对所述电池单体进行实际试验,获得试验结果;
提取相同工况下的仿真结果数据与试验结果数据,并将所述仿真结果数据与所述试验结果数据进行比对,获得比对结果;
根据所述比对结果对所述仿真模型进行优化。
5.根据权利要求4所述的方法,其特征在于,建立电池单体的仿真模型,包括:
从仿真***中提取仿真数据,从试验***中提起试验数据;
对所述仿真数据和所述试验数据进行比对分析,获得仿真模型。
6.根据权利要求4所述的方法,其特征在于,提取相同工况下的仿真结果数据与试验结果数据,并将所述仿真结果数据与所述试验结果数据进行比对,获得比对结果,包括:
提取相同工况下的仿真结果数据的第一关键参数值和试验结果数据的第二关键参数值;
对所述第一关键参数值和所述第二关键参数值采用设定匹配算法进行匹配,获得相关系数;
根据所述相关系数确定比对结果。
7.一种电池单体失效的分析装置,其特征在于,包括:
失效模型建立模块,用于建立电池单体的失效模型;
失效原因确定模块,用于根据所述失效模型确定所述电池单体的失效原因;
失效前置条件确定模块,用于基于所述失效原因确定所述电池单体的失效前置条件;
报警信号生成模块,用于对所述电池单体进行监测,当检测到所述电池单体达到所述失效前置条件时,生成报警信号;
安全处理模块,用于将所述报警信号发送至电池管理***,使得所述电池管理***对所述电池单体进行安全处理。
8.一种电池单体失效的验证装置,其特征在于,包括:
仿真模型建立模块,用于建立电池单体的仿真模型及所述仿真模型的边界条件;
仿真结果获取模块,用于基于所述边界条件进行仿真获得所述电池单体的仿真结果;
试验结果获取模块,用于对所述电池单体进行实际试验,获得试验结果;
比对结果获取模块,用于提取相同工况下的仿真结果数据与试验结果数据,并将所述仿真结果数据与所述试验结果数据进行比对,获得比对结果;
仿真模型优化模块,用于根据所述比对结果对所述仿真模型进行优化。
9.一种计算机设备,其特征在于,所述设备包括:包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1-3任一所述的电池单体失效的分析方法或者4-6任一所述的电池单体失效的验证方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理装置执行时实现如权利要求1-3任一所述的电池单体失效的分析方法或者4-6任一所述的电池单体失效的验证方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110099194.5A CN112684349A (zh) | 2021-01-25 | 2021-01-25 | 电池单体失效的分析方法、验证方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110099194.5A CN112684349A (zh) | 2021-01-25 | 2021-01-25 | 电池单体失效的分析方法、验证方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112684349A true CN112684349A (zh) | 2021-04-20 |
Family
ID=75459134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110099194.5A Pending CN112684349A (zh) | 2021-01-25 | 2021-01-25 | 电池单体失效的分析方法、验证方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112684349A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113119737A (zh) * | 2021-04-28 | 2021-07-16 | 中国第一汽车股份有限公司 | 一种动力电池热失控监控装置、方法及动力电池*** |
CN116401585A (zh) * | 2023-04-19 | 2023-07-07 | 江苏果下科技有限公司 | 一种基于大数据的储能电池失效风险评估方法 |
CN116559561A (zh) * | 2023-05-08 | 2023-08-08 | 苏州英瑞传感技术有限公司 | 实验生产验证设备的状态评估方法、控制器及监控*** |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682288A (zh) * | 2016-12-13 | 2017-05-17 | 清华大学 | 一种锂离子电池过充电热失控建模方法 |
CN109143083A (zh) * | 2018-11-07 | 2019-01-04 | 重庆大学 | 一种数据驱动的电动车辆锂离子电池析锂诊断方法 |
CN109388859A (zh) * | 2018-09-17 | 2019-02-26 | 国联汽车动力电池研究院有限责任公司 | 一种锂离子电池性能仿真方法和*** |
CN110457789A (zh) * | 2019-07-25 | 2019-11-15 | 桂林电子科技大学 | 一种基于改进粒子滤波与双指数衰退经验物理模型融合的锂离子电池剩余寿命预测方法 |
CN110492186A (zh) * | 2019-07-02 | 2019-11-22 | 北京航空航天大学 | 一种基于云端控制技术的动力电池模组的管理方法 |
CN110861531A (zh) * | 2019-11-27 | 2020-03-06 | 四川野马汽车股份有限公司 | 一种动力电池失效预警***及方法 |
CN111241154A (zh) * | 2020-01-02 | 2020-06-05 | 浙江吉利新能源商用车集团有限公司 | 一种基于大数据的蓄电池故障预警方法及*** |
CN111241685A (zh) * | 2020-01-15 | 2020-06-05 | 北京航空航天大学 | 一种基于多物理场仿真与响应面分析法的锂电池组***可靠性优化设计方法 |
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 |
CN111505503A (zh) * | 2020-04-17 | 2020-08-07 | 北京航空航天大学 | 基于微观机理的锂离子电池老化试验方法和试验装置 |
CN111516551A (zh) * | 2020-06-01 | 2020-08-11 | 中国第一汽车股份有限公司 | 一种电池管理***功能安全监控方法、装置及车辆 |
CN111856284A (zh) * | 2020-06-11 | 2020-10-30 | 国网江苏省电力有限公司电力科学研究院 | 一种储能电站电池的失效分析方法及装置 |
-
2021
- 2021-01-25 CN CN202110099194.5A patent/CN112684349A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682288A (zh) * | 2016-12-13 | 2017-05-17 | 清华大学 | 一种锂离子电池过充电热失控建模方法 |
CN109388859A (zh) * | 2018-09-17 | 2019-02-26 | 国联汽车动力电池研究院有限责任公司 | 一种锂离子电池性能仿真方法和*** |
CN109143083A (zh) * | 2018-11-07 | 2019-01-04 | 重庆大学 | 一种数据驱动的电动车辆锂离子电池析锂诊断方法 |
CN110492186A (zh) * | 2019-07-02 | 2019-11-22 | 北京航空航天大学 | 一种基于云端控制技术的动力电池模组的管理方法 |
CN110457789A (zh) * | 2019-07-25 | 2019-11-15 | 桂林电子科技大学 | 一种基于改进粒子滤波与双指数衰退经验物理模型融合的锂离子电池剩余寿命预测方法 |
CN110861531A (zh) * | 2019-11-27 | 2020-03-06 | 四川野马汽车股份有限公司 | 一种动力电池失效预警***及方法 |
CN111241154A (zh) * | 2020-01-02 | 2020-06-05 | 浙江吉利新能源商用车集团有限公司 | 一种基于大数据的蓄电池故障预警方法及*** |
CN111241685A (zh) * | 2020-01-15 | 2020-06-05 | 北京航空航天大学 | 一种基于多物理场仿真与响应面分析法的锂电池组***可靠性优化设计方法 |
CN111505503A (zh) * | 2020-04-17 | 2020-08-07 | 北京航空航天大学 | 基于微观机理的锂离子电池老化试验方法和试验装置 |
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 |
CN111516551A (zh) * | 2020-06-01 | 2020-08-11 | 中国第一汽车股份有限公司 | 一种电池管理***功能安全监控方法、装置及车辆 |
CN111856284A (zh) * | 2020-06-11 | 2020-10-30 | 国网江苏省电力有限公司电力科学研究院 | 一种储能电站电池的失效分析方法及装置 |
Non-Patent Citations (2)
Title |
---|
吴?;王友仁;: "锂离子电池内短路研究综述", 机械制造与自动化, no. 04 * |
姜标;张向文;: "电动汽车用磷酸铁锂电池充放电特性实验研究", 电源技术, no. 04 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113119737A (zh) * | 2021-04-28 | 2021-07-16 | 中国第一汽车股份有限公司 | 一种动力电池热失控监控装置、方法及动力电池*** |
CN113119737B (zh) * | 2021-04-28 | 2023-02-21 | 中国第一汽车股份有限公司 | 一种动力电池热失控监控装置、方法及动力电池*** |
CN116401585A (zh) * | 2023-04-19 | 2023-07-07 | 江苏果下科技有限公司 | 一种基于大数据的储能电池失效风险评估方法 |
CN116401585B (zh) * | 2023-04-19 | 2023-11-10 | 江苏果下科技有限公司 | 一种基于大数据的储能电池失效风险评估方法 |
CN116559561A (zh) * | 2023-05-08 | 2023-08-08 | 苏州英瑞传感技术有限公司 | 实验生产验证设备的状态评估方法、控制器及监控*** |
CN116559561B (zh) * | 2023-05-08 | 2024-04-26 | 苏州英瑞传感技术有限公司 | 实验生产验证设备的状态评估方法、控制器及监控*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | A fractional-order model-based battery external short circuit fault diagnosis approach for all-climate electric vehicles application | |
Chen et al. | Model-based fault diagnosis approach on external short circuit of lithium-ion battery used in electric vehicles | |
Jiang et al. | Data-driven fault diagnosis and thermal runaway warning for battery packs using real-world vehicle data | |
Ma et al. | Fault detection of the connection of lithium-ion power batteries in series for electric vehicles based on statistical analysis | |
Li et al. | Lithium-ion batteries fault diagnostic for electric vehicles using sample entropy analysis method | |
Kong et al. | Fault diagnosis and quantitative analysis of micro-short circuits for lithium-ion batteries in battery packs | |
CN112684349A (zh) | 电池单体失效的分析方法、验证方法、装置、设备及介质 | |
Yu et al. | Challenges and outlook for lithium-ion battery fault diagnosis methods from the laboratory to real world applications | |
CN112380679A (zh) | 电池热失控的模拟方法、装置、设备及存储介质 | |
CN110568360B (zh) | 一种基于模糊逻辑算法的锂电池老化诊断方法 | |
Zhang et al. | A multi-fault diagnosis method for lithium-ion battery pack using curvilinear Manhattan distance evaluation and voltage difference analysis | |
Ma et al. | Multi-fault diagnosis for series-connected lithium-ion battery pack with reconstruction-based contribution based on parallel PCA-KPCA | |
Sun et al. | A multi-fault advanced diagnosis method based on sparse data observers for lithium-ion batteries | |
CN113625692B (zh) | 一种基于故障注入的电动汽车电池安全性检验*** | |
CN108957349A (zh) | 一种锂离子电池故障检测方法和*** | |
Kang et al. | A comparative study of fault diagnostic methods for lithium-ion batteries based on a standardized fault feature comparison method | |
Zhang et al. | An early soft internal short-circuit fault diagnosis method for lithium-ion battery packs in electric vehicles | |
Yuan et al. | Early stage internal short circuit fault diagnosis for lithium-ion batteries based on local-outlier detection | |
Chang et al. | Micro-fault diagnosis of electric vehicle batteries based on the evolution of battery consistency relative position | |
CN111459616A (zh) | 一种测试方法、装置、设备及存储介质 | |
Liu et al. | Voltage fault diagnosis and misdiagnosis analysis of battery systems using the modified Shannon entropy in real-world electric vehicles | |
Liu et al. | High-dimensional data abnormity detection based on improved Variance-of-Angle (VOA) algorithm for electric vehicles battery | |
Zhang et al. | A nonlinear prediction method of lithium-ion battery remaining useful life considering recovery phenomenon | |
Wang et al. | [Retracted] Research on the Early Warning Mechanism for Thermal Runaway of Lithium‐Ion Power Batteries in Electric Vehicles | |
CN116773239A (zh) | 一种智能燃气表控制器可靠性寿命预测方法 |
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 |