CN112946522A - 低温工况导致电池储能***内短路故障的在线监测方法 - Google Patents
低温工况导致电池储能***内短路故障的在线监测方法 Download PDFInfo
- Publication number
- CN112946522A CN112946522A CN202110160692.6A CN202110160692A CN112946522A CN 112946522 A CN112946522 A CN 112946522A CN 202110160692 A CN202110160692 A CN 202110160692A CN 112946522 A CN112946522 A CN 112946522A
- Authority
- CN
- China
- Prior art keywords
- battery
- short circuit
- internal short
- low
- voltage
- 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
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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
-
- 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
- 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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
-
- 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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种低温工况导致电池储能***内短路故障的在线监测方法,首先建立锂电池内短路等效模型来模拟锂电池内短路时电压随电流负荷变化的瞬态响应,然后基于锂电池化学原理分析低温工况下锂电池内短路故障的典型过程与干扰因素,计算电池单体间的相关系数,再确定低温工况导致的内短路曲线特征值,最后基于电池相关系数特征值统计所有内短路频次对锂电池内短路进行安全状态评估。本发明基于单体电芯的内短路波形特征,利用移动窗口滤波器以及主动降噪方法提高精度,有效地实现锂电池低温内短路的在线监测。
Description
技术领域
本发明涉及电池管理技术领域,具体为一种低温工况导致电池储能***内短路故障的在线监测方法。
背景技术
基于锂电池的移动储能单元能量密度高、循环寿命长、无记忆效应,已被广泛用于电子产品(如手机、手表、微型计算机)及各类机电设备(电动汽车、移动储能电站),2022年北京冬奥会将首次引入钛酸锂-磷酸铁锂移动式储能车作为云顶赛区的应急保障备用电源,户外高寒条件对改型电源提出了更高的要求,其失效或故障会导致赛事中断,造成巨大经济损失,甚至引发严重安全问题。近年来已有数起安全事故与锂离子电池相关,针对高寒环境下锂离子电池安全状态的研究是当下热点。
以往锂离子电池安全状态的研究主要集中于四种电气故障:
(1)过充电(Over charge,OC):电池充电电压超过其最大电压阈值。
(2)过放电(Over discharge,OD):电池放电低于其最低电压阈值。
(3)外部短路(External short circuit,ESC):电池放电电流大于最大放电电流,端电压接近零,温度迅速升高。
(4)内部短路(Internal short circuit,ISC):电池内部正负极短接或临时短接,端电压出现突降。
现有电池管理***(Battery management system,BMS)通过实时监测电池单体电压,基本实现了电池单体过充/放电告警功能;通过实时监测电池组总电压,能够实现外部短路的监测与告警;与过充/放电故障相比,短路故障通常有着更大的危害性,是引发安全事故的关键原因之一,但由于电池组通常是由成百上千个单体电芯串并联而成,单体电芯内部短路在电池组层面很难被准确识别,其在线监测方法仍然是目前亟待解决的问题。
锂离子电池内短路是指锂电池正负极铜、锂等电极材料不断堆积,穿过隔膜导致正负极短接。内短路使得锂电池内部电流急剧升高,热效应增强,甚至发生热失控,电池起火或***。国内外研究表明,零度以下低温工况中由于锂枝晶而引发的锂电池内短路事件占到有统计内短路事件的80%以上。
现有的电池内短路故障检测方法一般采用参数估计设置内短路阈值的方法,其技术方案如下:
首先建立锂电池的完整电-热-内短路参数模型,将内短路的故障问题转变成为电池内部参数(如SOC、SOH与电池内阻等)的估计问题,通过电池单体电压的监测数据确定疑似异常的“问题电池”,将其余电池视为“正常电池”,通过比对“问题电池”内部参数偏离“正常电池”的程度,实现电池内短路的实时监测与定位。
现有技术建立了完整的锂电池电化学模型,阐释了内短路的发生机理,能够在内短路早期就发现问题,但如果要对电池单体内部参数开展精确检测,就只能采用离线检测甚至破坏性实验的方法,检测成本高,反应速度慢,大多局限于实验室环境下,目前还没有一个可行的在线监测技术方案。
现有技术的锂电池内短路识别精度与电池选型高度相关,而锂电池生产过程、使用的热条件、平衡状态等都会导致不同类型电池甚至同一类型电池不同单体内参数存在偏移,以锂电池工作电压偏移的常见形式为例:电池单体电压存在静态与动态偏移,不同的开路电压(Open circuit voltage,OCV)会导致电池电压中心点的静态偏移,而内部电阻的差异会导致不同的电压幅值动态偏移,以上内部参数一般无法获得。如果粗暴地直接设置电池单体的电压阈值,正常的电压偏移很容易就会超过预设的阈值,造成内短路误判。使得电压锂电池内短路识别结果不能反映出对锂电池的真实运行状态。
术语解释:
低温锂枝晶:在低温工况下,锂离子电池的电解液导电性能下降,当电池以高倍率过放电时,负极表面晶格收缩,嵌锂空间不足,加上储能电池循环间隔短,部分无法再次回嵌的锂离子将在表面的电子,以锂单质的形式堆积,其不均匀生长很容易形成锂枝晶。较大的锂枝晶会刺穿隔膜,甚至造成正负极直接接触。
电池相关性:储能***是由成百上千个电芯单体经串并联而成的,任意两组电芯工作电压的相似程度称为电池相关性,相关性越高,表明对应电芯单体内部特性越相似。
发明内容
针对上述问题,本发明的目的在于提供一种针对低温锂枝晶引起锂电池内短路的在线监测方法,基于单体电芯的内短路波形特征,利用移动窗口滤波器以及主动降噪方法提高精度,有效地实现锂电池低温内短路的在线监测。技术方案如下:
一种低温工况导致电池储能***内短路故障的在线监测方法,包括以下步骤:
S1:建立锂电池内短路等效模型来模拟锂电池内短路时电压随电流负荷变化的瞬态响应;
S2:基于锂电池化学原理分析低温工况下锂电池内短路故障的典型过程与干扰因素,计算电池单体间的相关系数:
设任意两个电池单体电压监测数据为数组X,Y,采样点个数为n,则两电池单体间相关系数的计算公式如下:
其中,xi和yi分别为数组X,Y中的元素;
S3:确定低温工况导致的内短路曲线特征值
S3.1:设置模型参数,开展前期仿真实验,确定合适的移动窗口滤波器参数w;
为了提高运算速度,简化内短路在线监测的取样、更新过程,并计算得到低温工况所导致的内短路曲线特征值,作的递推形式如下:
Pk=Pk-1+xiyi
Qk=Qk-1+xi
Rk=Rk-1+yi
其中,Pk、Qk、Rk、Sk和Tk为简化计算法的迭代系数;k为当前迭代次数;(rX,Y)k为经k次迭代后收敛的内短路曲线特征值;
使用移动窗口滤波器进行数据处理,时间窗口的大小w通过简化等效模型的小功率仿真获取,修改为:
Pk=Pk-1+xiyi-xi-wyi-w
Qk=Qk-1+xi-xi-w
Rk=Rk-1+yi-yi-w
S3.2叠加主动降噪信号,防止内短路误识别;
S3.3基于检测装置原始数据计算各电池单体之间的相关系数特征值;
S4:对锂电池内短路进行安全状态评估:
S4.1基于电池相关系数特征值统计所有内短路频次;
S4.2根据内短路频次与类型判断储能***安全状态,决定是否发出预警信号。
进一步的,所述S1具体为:
采用二阶RC电路联接而成的戴维南模型来等效模拟锂电池电压随电流负荷变化的瞬态响应:所述戴维南模型包括两个串联的RC支路,两个RC支路一端连接OCV的正极,另一端连接电阻R01的一端,其中一条RC支路两端并联有稳压二极管Vzener,OCV两端并联有电阻RP;
其中,两个RC支路分别对应锂电池的浓差极化效应以及电化学极化效应,电阻R01为电池欧姆内阻,两RC支路中的Rlong与R12为电池极化内阻,Clong与C12为电池的极化电容;OCV对应电池的开路电压,RP与Vzener分别为电池的内短路等效电阻与稳压二极管,OCV的负极与R01的另一端之间的电压VTerminal为电池端口电压;
由戴维南定理得到锂电池模型的数学表达式为:
VTerminal=f(s,T)-U1(t)-U2(t)-R01 i(t)+v(t)
其中,U1(t)与U2(t)分别为两个RC支路电压,f(s,T)为OCV与SOC在不同温度T下的函数关系,v(t)为计算过程产生的观测噪声;i(t)为电池单体电流。
更进一步的,所述叠加主动降噪信号,防止内短路误识别具体包括:
1)当电池单体电压叠加噪声信号v(t)时,内短路曲线特征值推导为:
其中,COVX+N,Y+M为叠加噪声信号后的X、Y间协方差,σX+N和σY+M分别为叠加噪声信号后的X、Y方差;μx、μy、μM和μN分别为X、Y、M、N的均值;Mi和Ni分别为叠加于xi和yi上的噪声信号v(t);假设其与X,Y相互独立,则内短路曲线特征值进一步化简为:
2)采用主动降噪法,在其中叠加第三个主动降噪信号,其中X,Y,N,M信号相互独立;新添加主动降噪信号A,B相关,均值为零,则内短路曲线特征值形式为:
其中,Ai和Bi分别为叠加于xi和yi上的降噪信号;
3)仅考虑电池处于静止状态,内短路曲线特征值进一步简化为:
其中,COVA,B为主动降噪信号A、B间协方差,σA、σB、σM和σN分别为A、B、M、N的方差;
4)在原信号上叠加振幅为噪声标准偏差3倍的方波主动降噪信号,即噪声方差的9倍,从而保证在电池静止或趋于静止状态下不会出现内短路误识别的情况;
其中,COVSW,SW为静止状态下叠加主动降噪信号的协方差值,σSW为方波主动降噪的方差。
更进一步的,所述基于电池相关系数特征值统计所有内短路频次具体为:
计算出电池组在低温工况下造成的单体电池内短路相关系数-持续时间波形,再进一步计算得到锂电池内短路频次,其统计方法如下:
其中,Sequ为内短路频次;rXi,Yi为第i,j个电池单元间的相关系数;|rX,Y|max和|rX,Y|min分别为发生内部(硬/软)短路的相关系数特征阈值上下限;td为短路持续时间;TΣ和NΣ分别为总采样时间与总采样点个数;nd为内短路采样点个数;Sall为电池组包含的单体总个数。
本发明的有益效果是:
1)本发明运用相关系数法,结合锂电池低温工况下工作电压曲线的内短路波形特征,准确地描述了锂电池内短路事件的共性演化过程及干扰因素,相比于传统方法只能采用离线检测与破坏性实验,本发明满足了实际工况下开展多种类型锂电池内短路在线监测的工程应用需求;
2)本发明运用迭代方法降低模型求解复杂度;通过前期仿真合理选择移动滤波器窗口,准确框定故障信号,滤除观测噪声;利用主动降噪法叠加噪声主动降噪信号,减少内短路误识别概率;三种技术进步共同克服了传统方法内短路识别精度低,误判率高,求解困难的缺点。
3)基于电池相关性指标提出内短路频次统计方法,使得内短路安全状态评估结果更能反映出电池内短路对储能***的真实影响;同时考虑经济性与安全性判断储能***安全状态,保证储能***低温安全可靠运行。
附图说明
图1为锂电池二阶戴维南模型图。
图2为低温锂枝晶的形成过程。
图3为电-热耦合储能电池组;(b)为(a)中热传导结构内部放大图。
图4为典型的低温锂枝晶导致的锂电池短路电压曲线;(a)软短路;(b)硬短路。
图5为锂电池循环试验初期活化过程的电压平均值曲线。
图6为锂电池内短路安全状态演化过程。
图7为锂电池内短路安全状态在线监测实验曲线;(a)电池电梯工作电压在线监测数据;(b)叠加独立噪声信号,设置不同滤波窗口采样点数的电池相关系数;(c)叠加主动降噪信号,锂电池内短路频次统计结果;(d)图(c)中A处的放大图。
图8为低温工况导致电池储能***内短路故障的在线监测流程。
具体实施方式
下面结合附图和具体实施例对本发明做进一步详细说明。
本发明技术方案可分为四个大步骤,分别是建立包括锂电池内短路等效模型、分析低温工况下锂电池内短路故障的典型过程与干扰因素、确定低温工况导致的内短路曲线特征值和锂电池内短路安全状态评估,其中每个大步骤及其小步骤的详细阐述如下:
步骤一、建立锂电池内短路等效模型
①工程上一般采用二阶RC电路联接而成的戴维南模型来等效模拟锂电池电压随电流负荷变化的瞬态响应,该模型适用于各种不同的动态条件。
如图1所示,两个RC支路分别对应锂电池的浓差极化效应以及电化学极化效应,R01为电池欧姆内阻,Rlong与R12为电池极化内阻,Clong与C12为电池的极化电容,OCV对应电池的开路电压,SOC对应电池的容量,RP与Vzener分别为电池的内短路等效电阻(通常情况可视为无穷大)与稳压二极管,VTerminal为电池端口电压,由戴维南定理可得到该锂电池模型的数学表达式:
VTerminal=f(s,T)-U1(t)-U2(t)-R01 i(t)+υ(t)
其中U1(t)与U2(t)分别为两个RC支路电压,f(s,T)为OCV与SOC在不同温度T下的函数关系,v(t)为计算过程产生的观测噪声。内短路故障的在线监测过程,就是去除不同类型锂电池f(s,t)、内部R、C参数以及观测噪声v(t)的影响,获取可信VTermminal以及VP的过程。
②建立了锂电池内短路等效模型之后,介绍低温工况导致电池储能***内短路故障的电化学过程如下:
在低温工况下,锂离子电池的电解液导电性能下降[4],当电池以高倍率过放电时,负极表面晶格收缩,嵌锂空间不足,加上储能电池循环间隔短,部分无法再次回嵌的锂离子将在表面的电子,以锂单质的形式堆积,其不均匀生长很容易形成锂枝晶。较大的锂枝晶会刺穿隔膜,甚至造成正负极直接接触。
实际锂电池低温工作过程中,短路过程既可以是不可逆的硬短路:正负电极完全短接,短接通路不会断开,如图2A所示;也可以是局部接触引发的软短路:锂枝晶在刺穿隔膜引起短接后,因热效应而融化或者从电极上脱落,此时电池单体短路恢复,如图2B/D所示。当锂枝晶累积到一定的数量,软短路频次及暂降深度到达一定阈值后,就可认为储能电池已经脱离安全工作区。电池发生不可恢复的正负极接触,导致电池完全短路。
③需要注意的是,电池制造完成以后,电极上使用的活性物质表面会存在一层氧化薄膜,阻止锂离子的嵌入和脱嵌过程,在电池投用初期需要采用小电流进行充电,使得活性材料的表面的氧化层还原,称为电极活化过程,电池活化过程同样会导致小幅度的电压下降。
低温工况下锂电池的内短路主要是由锂枝晶所引起,但上述三类最常见的电池工作现象都表现为锂电池工作电压的下降,因此低温锂枝晶的故障诊断会受到电池活化以及可逆软短路的影响,对这三类现象的电压特征进行鉴别是内短路在线监测的重要基础,将在步骤四中详细说明。
步骤二、分析低温工况下锂电池内短路故障的典型过程与干扰因素
基于步骤一的锂电池内短路模型建立一个考虑温度与电池容量变化的电-热耦合储能电池组,该模型f(s,T)查找表及二阶RC参数等技术指标来自力神UUR60144TD型钛酸锂电池,并使用等效电阻来模拟内短路的发生情况(如图3所示)。需要注意的是,本发明技术方案实际上适用于任何型号的锂电池,相关原理将在步骤三中详细说明。
力神UUR60144TD型钛酸锂电池技术指标:
以两种不同严重程度内短路为例,开展仿真实验,锂电池单体发生不可逆的硬短路时相当于一个电阻,电压信号在一个循环周期内出现明显的电压突降,稳定在一个较低的新幅值,具体数值与电流值成线性的正比(此时电池整体相当于一个定值电阻),如图4实线所示;而当电极发生局部通断的软短路时,工作电压可能会在每次软短路过程中发生一定程度的回升,表现出电压暂降后回升与信号紊乱的两种特征,如图4虚线所示(以力神UUR60144TD型钛酸锂电池开展循环试验为例)。
以力神UUR60144TD型钛酸锂开展电池循环试验为例,电池活化过程中电压波形如所图5示,在循环的初始阶段,每周平均电压值的连续下降,可能来自于电极活化过程导致的过电势下降,但电压信号的整体形状保持一致,在充电或放电快结束时,有明显的因极化产生的电压上升信号,是正常的电池工作现象,需要与锂枝晶导致的电压突降作出区分,避免造成误读。
图中Vi(i=1,2...8)为BMS监测得到的电池单体电压,rVi,Vj(i,j=1,2...8)为两股电池单体间的相关系数,设任意两个电池单体电压监测数据为数组X,Y,采样点个数为n,则相关系数的计算公式如下:
步骤三、确定低温工况导致的内短路曲线特征值
为了提高运算速度,简化内短路在线监测的取样、更新过程,并计算得到低温工况所导致的内短路曲线特征值,作的递推形式如下:
Pk=Pk-1+xiyi
Qk=Qk-1+xi
Rk=Rk-1+yi
可计算得到两个电池单体电压在测量开始阶段的相关性,但随着测量时间窗口的拓展,后来获取的监测数据会被历史数据所覆盖,导致内短路现象对相关系数的影响逐渐减小直至可被忽略,并且增长的监测数据会造成迭代运算越来越缓慢。
解决上述问题的最直接的方法是使用移动窗口滤波器进行数据处理,即在每个采样周期,只计算一个时间窗口中的数据的相关系数。该时间窗口的大小可以通过简化等效模型的小功率仿真获取,修改为:
Pk=Pk-1+xiyi-xi-wyi-w
Qk=Qk-1+xi-xi-w
Rk=Rk-1+yi-yi-w
由初始化而来,其中w为时间窗口的大小,实际使用时应配合相关系数阈值设立,既要防止过大时间窗口下内短路异常电压数据被忽略,又要防止过小时间窗口下噪声信号引起相关系数超限。
当电池单体电压叠加噪声信号v(t)时,可推导为:
中N与M分别为叠加于X,Y上的噪声信号v(t),假设它们与X,Y相互独立,则可进一步化简为:
分子共有两项,当电池处于静止状态时,锂电池开路电压接近单体电压,第一项为零。当噪声信号N,M相互独立时,第二项也为零,这种情况下相关系数可能接近于零,肯定会误识别为内短路,这是应当避免的。
为了解决该问题,采用主动降噪法,在中叠加第三个主动降噪信号,其中X,Y,N,M信号同以上假设相互独立;新添加主动降噪信号A,B相关,均值为零,则相关系数形式为:
仅考虑电池处于静止状态,可以进一步简化为:
如所示,当外加相关变量A,B,且外加变量方差远大于噪声信号方差时,静止状态下电池单体电压X+A+N与Y+B+M的相关系数将与A,B的相关系数相同,不会出现异常突降造成内短路误判断的情况。基于该特性,我们在原信号上叠加一个振幅为噪声标准偏差3倍的方波主动降噪信号,即噪声方差的9倍,从而保证在电池静止或趋于静止状态下不会出现内短路误识别的情况。
表明当电池处于静止状态时,相关系数接近0.9,满足主动降噪、防止误识别的需求;但主动降噪信号的叠加也降低了对实际内短路的在线监测精度,仿真实验表明,将主动降噪信号幅值设为0.9倍噪声方差相对合理。方波主动降噪信号的周期一般小于时间窗口长度,多设为两个循环周期。则可信的电池单体相关系数可通过求出,rX,Y将作为内短路在线监测的特征值使用。
四、锂电池内短路安全状态评估
在实际内短路在线监测过程中,为了获取发生内短路电池单体的位置,每个电池单体都需要与至少两个相邻电池单体计算相关系数,如图3所示,当其中一个电池单体发生故障时,其对应的两个相关系数均突降,故障位置可以通过重叠索引号进行隔离。例如,当rV1,V2,rV2,V3突然下降时,它表明v2单体出现了内短路,因为它与v1,v3的正常趋势不同。当发生多个故障时,只要故障单元是储能电池组中的少数,这种方法就仍能正常工作。
对于实际的储能电池组,出于经济性考虑,锂电池单体的内短路故障在一定程度上是可以承受的,如图6所示,低温工况导致电池储能***内短路故障的在线监测技术方案主要是用于电池内短路的早期检测而非故障告警。为了在锂电池内短路安全状态中反映出低温工况引起的电池单体内短路对电池组的真实影响,避免由于可恢复软短路或锂电池循环初期电池活化现象而产生的错误估计,本发明提出基于电池相关性特征值的内短路频次统计方法,对不同演化过程中内短路引起电池电压暂降的频次进行分类统计,并设计经济、安全的预警方案。
图6中,|rX,Y|为电池单体X,Y的相关系数,td为短路持续时间,二者共同参与确定一次锂电池内短路事件。首先根据式计算出电池组在低温工况下造成的单体电池内短路相关系数-持续时间波形,再进一步计算得到锂电池内短路频次,其统计方法如下:
其中,Nequ为内短路频次,rXi,Yi为第i,j个电池单元间的相关系数,T∑与N∑分别为总采样时间与总采样点个数,N为电池组包含的单体总个数。基于图3电热耦合电池组模型以及开展步骤四的内短路安全状态在线监测实验,实验结果如图7所示。
图7(a)为原始的BMS监测数据,模拟了锂电池循环初期的电池活化现象、锂电池观测噪声以及锂电池软短路等多种电池工作现象,图7(b)是在图7(a)原始数据基础上由进行迭代计算而得到的电池相关系数曲线,图7(c)则是在图7(b)基础上使用进行短路统计而得到的锂电池组(两组单体)内短路频次统计图,图7(d)为放大的硬短路事件波形图,如图可见设置合适的移动窗口大小w将有效抑制观测噪声,大大提高实时监测精度。
重叠两组实验数据(图中仅展示一组)索引号,利用标注图中Si(i=1,2,3,4)为在线监测识别出的四次内短路事件,其中只有S4为需要发出预警的硬短路事件,可确认单体X,Y之中有一个发生了内短路故障。需要马上对电池单体进行更换或维修,多次软短路事件累加后亦可触发预警信号。
综上,电池储能***内短路故障的在线监测方法具体实现流程如图8所示。
低温工况下大功率电池储能***安全可靠运行是近几年的研究热点,大功率储能***在低温状态下极易因锂枝晶穿刺而造成内短路故障,因此需要对低温锂枝晶造成的内短路安全状态进行评估。
由于电池单体的参数难以获取,BMS监测数据存在观测误差,而电池内短路造成的电压突降水平与电池内参数以及监测数据精度关系密切。因此本文从BMS在线监测的原始数据出发,利用电池单体之间的相关性来克服不同类型电池的内参数偏差,采用移动窗口滤波以及主动降噪技术平抑观测误差,从而客观地评估电池内短路安全状态。
对于低温锂枝晶造成的电池内短路故障,本发明基于锂电池内短路频次统计方法计算不同类型内短路的等效频次,使得内短路安全状态评估结果更能反映出电池内短路对储能***的真实影响。
Claims (4)
1.一种低温工况导致电池储能***内短路故障的在线监测方法,其特征在于,包括以下步骤:
S1:建立锂电池内短路等效模型来模拟锂电池内短路时电压随电流负荷变化的瞬态响应;
S2:基于锂电池化学原理分析低温工况下锂电池内短路故障的典型过程与干扰因素,计算电池单体间的相关系数:
设任意两个电池单体电压监测数据为数组X,Y,采样点个数为n,则两电池单体间相关系数的计算公式如下:
其中,xi和yi分别为数组X,Y中的元素;
S3:确定低温工况导致的内短路曲线特征值
S3.1:设置模型参数,开展前期仿真实验,确定合适的移动窗口滤波器参数w;
为了提高运算速度,简化内短路在线监测的取样、更新过程,并计算得到低温工况所导致的内短路曲线特征值,作递推形式如下:
Pk=Pk-1+xiyi
Qk=Qk-1+xi
Rk=Rk-1+yi
其中,Pk、Qk、Rk、Sk和Tk为简化计算法的迭代系数;k为当前迭代次数;(rX,Y)k为经k次迭代后收敛的内短路曲线特征值;
使用移动窗口滤波器进行数据处理,时间窗口的大小w通过简化等效模型的小功率仿真获取,修改为:
Pk=Pk-1+xiyi-xi-wyi-w
Qk=Qk-1+xi-xi-w
Rk=Rk-1+yi-yi-w
S3.2叠加主动降噪信号,防止内短路误识别;
S3.3基于检测装置原始数据计算各电池单体之间的相关系数特征值;
S4:对锂电池内短路进行安全状态评估:
S4.1基于电池相关系数特征值统计所有内短路频次;
S4.2根据内短路频次与类型判断储能***安全状态,决定是否发出预警信号。
2.根据权利要求1所述的低温工况导致电池储能***内短路故障的在线监测方法,其特征在于,所述S1具体为:
采用二阶RC电路联接而成的戴维南模型来等效模拟锂电池电压随电流负荷变化的瞬态响应:所述戴维南模型包括两个串联的RC支路,两个RC支路一端连接OCV的正极,另一端连接电阻R01的一端,其中一条RC支路两端并联有稳压二极管Vzener,OCV两端并联有电阻RP;
其中,两个RC支路分别对应锂电池的浓差极化效应以及电化学极化效应,电阻R01为电池欧姆内阻,两RC支路中的Rlong与R12为电池极化内阻,Clong与C12为电池的极化电容;OCV对应电池的开路电压,RP与Vzener分别为电池的内短路等效电阻与稳压二极管,OCV的负极与R01的另一端之间的电压VTerminal为电池端口电压;
由戴维南定理得到锂电池模型的数学表达式为:
VTerminal=f(s,T)-U1(t)-U2(t)-R01i(t)+v(t)
其中,U1(t)与U2(t)分别为两个RC支路电压,f(s,T)为OCV与SOC在不同温度T下的函数关系,v(t)为计算过程产生的观测噪声;i(t)为电池单体电流。
3.根据权利要求1所述的低温工况导致电池储能***内短路故障的在线监测方法,其特征在于,所述叠加主动降噪信号,防止内短路误识别具体包括:
1)当电池单体电压叠加噪声信号v(t)时,内短路曲线特征值推导为:
其中,COVX+N,Y+M为叠加噪声信号后的X、Y间协方差,σX+N和σY+M分别为叠加噪声信号后的X、Y方差;μx、μy、μM和μN分别为X、Y、M、N的均值;Mi和Ni分别为叠加于xi和yi上的噪声信号v(t);假设其与X,Y相互独立,则两电池单体间相关系数进一步化简为:
2)采用主动降噪法,在其中叠加第三个主动降噪信号,其中X,Y,N,M信号相互独立;新添加主动降噪信号A,B相关,均值为零,则内短路曲线特征值形式为:
其中,Ai和Bi分别为叠加于xi和yi上的降噪信号;
3)仅考虑电池处于静止状态,内短路曲线特征值进一步简化为:
其中,COVA,B为主动降噪信号A、B间协方差,σA、σB、σM和σN分别为A、B、M、N的方差;
4)在原信号上叠加振幅为噪声标准偏差3倍的方波主动降噪信号,即噪声方差的9倍,从而保证在电池静止或趋于静止状态下不会出现内短路误识别的情况;
其中,COVSW,SW为静止状态下叠加主动降噪信号的协方差值,σSW为方波主动降噪的方差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110160692.6A CN112946522A (zh) | 2021-02-05 | 2021-02-05 | 低温工况导致电池储能***内短路故障的在线监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110160692.6A CN112946522A (zh) | 2021-02-05 | 2021-02-05 | 低温工况导致电池储能***内短路故障的在线监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112946522A true CN112946522A (zh) | 2021-06-11 |
Family
ID=76242516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110160692.6A Pending CN112946522A (zh) | 2021-02-05 | 2021-02-05 | 低温工况导致电池储能***内短路故障的在线监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112946522A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113537525A (zh) * | 2021-07-23 | 2021-10-22 | 四川大学 | 一种电池储能***故障状态自适应预警方法 |
CN113626963A (zh) * | 2021-08-12 | 2021-11-09 | 四川大学 | 一种储能并网***可靠性多层级综合评估方法 |
CN113839105A (zh) * | 2021-09-13 | 2021-12-24 | 中国科学院广州能源研究所 | 一种主动防护电池内短路的方法 |
CN114035058A (zh) * | 2021-12-22 | 2022-02-11 | 湖北大学 | 一种低温锂电池测试***及方法 |
CN114035086A (zh) * | 2021-12-16 | 2022-02-11 | 上海交通大学 | 基于信号处理的电池组多故障诊断方法 |
CN115294745A (zh) * | 2022-05-23 | 2022-11-04 | 电子科技大学 | 一种基于神经网络与数据差分的锂电池热失控分层预警方法 |
CN116500459A (zh) * | 2023-06-28 | 2023-07-28 | 中汽研汽车检验中心(常州)有限公司 | 锂电池安全性能评估方法、装置、存储介质及电子设备 |
CN117388741A (zh) * | 2023-10-13 | 2024-01-12 | 广东云下汇金科技有限公司 | 一种智算中心备用发电机组监测方法及*** |
CN117686921A (zh) * | 2024-02-02 | 2024-03-12 | 江苏林洋亿纬储能科技有限公司 | 检测电池内短路的方法和***及计算设备 |
CN118099485A (zh) * | 2024-04-18 | 2024-05-28 | 上海徐工智能科技有限公司 | 燃料电池***工况检测方法、自动化试验方法及测试*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106026260A (zh) * | 2016-06-24 | 2016-10-12 | 南京航空航天大学 | 一种带有均衡电路的串连电池组soc估算方法 |
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 |
CN107831443A (zh) * | 2017-10-20 | 2018-03-23 | 开沃新能源汽车集团有限公司 | 基于相关系数的电池***短路故障诊断方法 |
CN111198327A (zh) * | 2020-02-24 | 2020-05-26 | 北京理工大学 | 一种单体电池内短路故障自检测方法 |
CN111505532A (zh) * | 2020-04-28 | 2020-08-07 | 上海理工大学 | 基于soc相关系数的串联锂电池组早期内短路在线检测方法 |
-
2021
- 2021-02-05 CN CN202110160692.6A patent/CN112946522A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106026260A (zh) * | 2016-06-24 | 2016-10-12 | 南京航空航天大学 | 一种带有均衡电路的串连电池组soc估算方法 |
CN107831443A (zh) * | 2017-10-20 | 2018-03-23 | 开沃新能源汽车集团有限公司 | 基于相关系数的电池***短路故障诊断方法 |
CN111198327A (zh) * | 2020-02-24 | 2020-05-26 | 北京理工大学 | 一种单体电池内短路故障自检测方法 |
CN111505532A (zh) * | 2020-04-28 | 2020-08-07 | 上海理工大学 | 基于soc相关系数的串联锂电池组早期内短路在线检测方法 |
Non-Patent Citations (1)
Title |
---|
康道新等: "《基于DAUKF的锂电池SOC值和SOH值的估算研究》", 《广东电力》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113537525A (zh) * | 2021-07-23 | 2021-10-22 | 四川大学 | 一种电池储能***故障状态自适应预警方法 |
CN113626963A (zh) * | 2021-08-12 | 2021-11-09 | 四川大学 | 一种储能并网***可靠性多层级综合评估方法 |
CN113839105A (zh) * | 2021-09-13 | 2021-12-24 | 中国科学院广州能源研究所 | 一种主动防护电池内短路的方法 |
CN113839105B (zh) * | 2021-09-13 | 2024-02-06 | 中国科学院广州能源研究所 | 一种主动防护电池内短路的方法 |
CN114035086A (zh) * | 2021-12-16 | 2022-02-11 | 上海交通大学 | 基于信号处理的电池组多故障诊断方法 |
CN114035086B (zh) * | 2021-12-16 | 2023-08-11 | 上海交通大学 | 基于信号处理的电池组多故障诊断方法 |
CN114035058A (zh) * | 2021-12-22 | 2022-02-11 | 湖北大学 | 一种低温锂电池测试***及方法 |
CN114035058B (zh) * | 2021-12-22 | 2023-11-24 | 湖北大学 | 一种低温锂电池测试***及方法 |
CN115294745B (zh) * | 2022-05-23 | 2023-09-29 | 电子科技大学 | 一种基于神经网络与数据差分的锂电池热失控分层预警方法 |
CN115294745A (zh) * | 2022-05-23 | 2022-11-04 | 电子科技大学 | 一种基于神经网络与数据差分的锂电池热失控分层预警方法 |
CN116500459A (zh) * | 2023-06-28 | 2023-07-28 | 中汽研汽车检验中心(常州)有限公司 | 锂电池安全性能评估方法、装置、存储介质及电子设备 |
CN116500459B (zh) * | 2023-06-28 | 2023-08-29 | 中汽研汽车检验中心(常州)有限公司 | 锂电池安全性能评估方法、装置、存储介质及电子设备 |
CN117388741A (zh) * | 2023-10-13 | 2024-01-12 | 广东云下汇金科技有限公司 | 一种智算中心备用发电机组监测方法及*** |
CN117388741B (zh) * | 2023-10-13 | 2024-05-31 | 广东云下汇金科技有限公司 | 一种智算中心备用发电机组监测方法及*** |
CN117686921A (zh) * | 2024-02-02 | 2024-03-12 | 江苏林洋亿纬储能科技有限公司 | 检测电池内短路的方法和***及计算设备 |
CN117686921B (zh) * | 2024-02-02 | 2024-05-31 | 江苏林洋亿纬储能科技有限公司 | 检测电池内短路的方法和***及计算设备 |
CN118099485A (zh) * | 2024-04-18 | 2024-05-28 | 上海徐工智能科技有限公司 | 燃料电池***工况检测方法、自动化试验方法及测试*** |
CN118099485B (zh) * | 2024-04-18 | 2024-06-25 | 上海徐工智能科技有限公司 | 燃料电池***工况检测方法、自动化试验方法及测试*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112946522A (zh) | 低温工况导致电池储能***内短路故障的在线监测方法 | |
CN110794305B (zh) | 一种动力电池故障诊断方法和*** | |
CN110187225B (zh) | 一种锂电池内短路电压电流异常检测方法及*** | |
Xiong et al. | Online fault diagnosis of external short circuit for lithium-ion battery pack | |
Feng et al. | Detecting the internal short circuit in large-format lithium-ion battery using model-based fault-diagnosis algorithm | |
CN111551860B (zh) | 一种基于弛豫电压特征的电池内短路诊断方法 | |
Wu et al. | A new fault diagnosis and prognosis technology for high-power lithium-ion battery | |
US9366732B2 (en) | Estimation of state-of-health in batteries | |
CN111929602B (zh) | 一种基于容量估计的单体电池漏电或微短路定量诊断方法 | |
CN112098850B (zh) | 基于sdo算法的锂离子电池电压故障诊断方法及*** | |
CN111257753B (zh) | 一种电池***故障诊断方法 | |
CN112014745A (zh) | 一种针对动力电池的三级故障诊断方法 | |
EP3988952A1 (en) | Method for detecting abnormal battery cell | |
CN111983496A (zh) | 一种并联锂离子电池组虚拟连接与内阻增加故障辨识方法 | |
CN114720883A (zh) | 一种基于孤立森林算法的锂电池故障识别方法 | |
CN108363016B (zh) | 基于人工神经网络的电池微短路定量诊断方法 | |
CN113721156A (zh) | 一种用于磷酸铁锂电池的多时间尺度综合预警方法 | |
KR20210000207A (ko) | 내부 단락 셀 검출 방법 | |
KR20220102454A (ko) | 배터리 시스템 진단 장치 및 방법 | |
CN114814593B (zh) | 一种两步检测策略的电池组多故障快速诊断方法 | |
CN115219905A (zh) | 一种电池内短路在线检测方法、装置及存储介质 | |
CN115097319A (zh) | 一种动力电池组故障在线诊断方法及*** | |
Yu et al. | Multi-Fault Diagnosis of Lithium-Ion battery systems based on correlation Coefficient and similarity Approaches | |
CN116953556B (zh) | 多变量冗余故障电池在线检测的方法、***、介质和设备 | |
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 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210611 |