CN113608127A - 一种圆柱形锂离子电池热异常检测与定位方法 - Google Patents

一种圆柱形锂离子电池热异常检测与定位方法 Download PDF

Info

Publication number
CN113608127A
CN113608127A CN202111169167.7A CN202111169167A CN113608127A CN 113608127 A CN113608127 A CN 113608127A CN 202111169167 A CN202111169167 A CN 202111169167A CN 113608127 A CN113608127 A CN 113608127A
Authority
CN
China
Prior art keywords
temperature
normalized
error
boundary
distribution 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.)
Granted
Application number
CN202111169167.7A
Other languages
English (en)
Other versions
CN113608127B (zh
Inventor
王耀南
冯运
毛建旭
朱青
张辉
吴成中
周显恩
刘学兵
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.)
Hunan University
Original Assignee
Hunan 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 Hunan University filed Critical Hunan University
Priority to CN202111169167.7A priority Critical patent/CN113608127B/zh
Publication of CN113608127A publication Critical patent/CN113608127A/zh
Application granted granted Critical
Publication of CN113608127B publication Critical patent/CN113608127B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01R31/005—Testing of electric installations on transport means
    • G01R31/006—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks
    • 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]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • 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]
    • G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开了一种圆柱形锂离子电池热异常检测与定位方法，包括：建立圆柱电池温度空间分布模型；通过坐标变换得到归一化后的空间位置和时间量并建立扰动和热异常存在时归一化的温度空间分布模型；根据预设的优化目标函数辨识归一化的温度空间分布模型的参数；采集电池表面温度数据、电池电流和端电压数据，结合归一化的温度空间分布模型构建反步边界观测器；根据反步边界观测器和归一化的温度空间分布模型得到误差***，通过逐次逼近法对误差***进行求解得到输出温度估计误差；对输出温度估计误差采用三次样条插值方法得到分布式残差量，代入预设的残差评估函数得到评估值，当评估值大于预设的阈值时，定位到空间位置处存在热异常。

Description

一种圆柱形锂离子电池热异常检测与定位方法
技术领域
本发明属于新能源汽车领域，特别是涉及一种圆柱形锂离子电池热异常检测与定位方法。
背景技术
作为新能源汽车的核心部件，锂离子电池的安全运行受到了学术界和工业界的广泛关注。一方面，热效应是限制锂离子电池能力的主要原因；另一方面，电池对滥用条件的最常见反应是产生热和气体。因此，锂离子电池热异常诊断对于安全运行至关重要。目前主流的电池热异常检测主要通过对电池表面温度或者端电压进行超限检查来完成，而不是基于电池内部热力学模型。基于此类方法的一个缺陷是由于***输入的快速变化或者热异常的幅值过小导致测量值位于正常区间内，从而造成异常检测出现遗漏。究其物理本质而言，锂离子电池热过程可以用分布参数***来刻画，属于无穷维***，由偏微分方程描述。基于常微分方程模型的异常诊断方法由于采用了集总式近似模型，存在观测溢出，对于分布式异常的诊断精度不够。此外，从工程应用的角度出发并且考虑电池热过程模型特性，基于PDE（Partial differential equation，偏微分方程）模型的分布式异常空间定位问题没有一个较好的解决方案。
发明内容
针对以上技术问题，本发明提供一种热异常空间定位的圆柱形锂离子电池热异常检测与定位方法。
本发明解决其技术问题采用的技术方案是：
一种圆柱形锂离子电池热异常检测与定位方法，方法包括以下步骤：
步骤S100：建立圆柱电池温度空间分布模型；
步骤S200：通过坐标变换得到归一化后的空间位置和时间量，根据归一化后的空间位置和时间量建立扰动和热异常存在时归一化的温度空间分布模型；
步骤S300：根据预设的优化目标函数辨识归一化的温度空间分布模型的参数；
步骤S400：采集电池表面温度数据、电池电流和端电压数据，根据归一化的温度空间分布模型、电池表面温度数据、电池电流和端电压数据构建反步边界观测器；
步骤S500：根据反步边界观测器和归一化的温度空间分布模型得到误差***，通过逐次逼近法对误差***进行求解，得到反步边界观测器的增益值，根据反步边界观测器的增益值和误差***得到输出温度估计误差；
步骤S700：对输出温度估计误差采用三次样条插值方法得到分布式残差量，将分布式残差量代入预设的残差评估函数得到评估值，将评估值和预设的阈值进行比较，当评估值大于阈值时，定位到归一化后的空间位置处存在热异常。
优选地，上述方法还包括：
步骤S600：对误差***采用Volterra积分变换得到目标***。
步骤S700还包括：根据预设的热异常定位阈值计算函数和目标***离线计算得到阈值，作为预设的阈值。
优选地，步骤S100具体为：
Figure 249385DEST_PATH_IMAGE001
其中，
Figure 335153DEST_PATH_IMAGE002
表示圆柱电池温度分布量，
Figure 625320DEST_PATH_IMAGE003
为空间中某点的温度沿圆柱电池半径方向的一次导数，
Figure 771131DEST_PATH_IMAGE004
为空间中某点的温度沿圆柱电池半径方向的二次导数，
Figure 412328DEST_PATH_IMAGE005
为单位体积产热量，
Figure 301786DEST_PATH_IMAGE006
为圆柱电池第一边界处沿径向的一次导数，
Figure 482013DEST_PATH_IMAGE007
为圆柱电池第二边界处沿径向的一次导数，
Figure 798725DEST_PATH_IMAGE008
为半径长度，
Figure 927218DEST_PATH_IMAGE009
为圆柱电池径向方向空间坐标，
Figure 354788DEST_PATH_IMAGE010
为时间量，
Figure 885126DEST_PATH_IMAGE011
为密度量，
Figure 638319DEST_PATH_IMAGE012
为比热容量，
Figure 752643DEST_PATH_IMAGE013
为热导率，
Figure 983904DEST_PATH_IMAGE014
为对流系数，
Figure 368749DEST_PATH_IMAGE015
为环境温度，
Figure 27264DEST_PATH_IMAGE016
表示电池表面温度。
优选地，步骤S200包括：
（1）通过坐标变换得到归一化后径向方向的空间位置和时间量，具体为：
Figure 395928DEST_PATH_IMAGE017
Figure 165301DEST_PATH_IMAGE018
其中，
Figure 903187DEST_PATH_IMAGE019
为归一化后径向方向的空间坐标，
Figure 732603DEST_PATH_IMAGE020
为时间量；
（2）根据归一化后的空间位置和时间量建立扰动和热异常存在时归一化的温度空间分布模型，具体为：
Figure 322985DEST_PATH_IMAGE021
归一化的温度空间分布模型包含如下边界条件：
Figure 896048DEST_PATH_IMAGE022
其中，
Figure 255485DEST_PATH_IMAGE023
为归一化后圆柱电池温度分布量，
Figure 521382DEST_PATH_IMAGE024
分别为归一化的
Figure 832015DEST_PATH_IMAGE025
和
Figure 474349DEST_PATH_IMAGE026
，
Figure 688293DEST_PATH_IMAGE027
为归一化的单位面积产热量，
Figure 859511DEST_PATH_IMAGE028
和
Figure 424485DEST_PATH_IMAGE029
分别表示未知分布式扰动量和热异常量，
Figure 73772DEST_PATH_IMAGE030
为
Figure 189494DEST_PATH_IMAGE031
个内部热电偶
Figure 531613DEST_PATH_IMAGE032
和一个表面热电偶的测量值
Figure 583883DEST_PATH_IMAGE033
组成的向量，上标
Figure 36861DEST_PATH_IMAGE034
表示向量转置，
Figure 490976DEST_PATH_IMAGE035
为热电偶传感器输出向量，
Figure 3997DEST_PATH_IMAGE036
为狄拉克函数；其中，所述N个内部热电偶分别位于沿半径方向
Figure 42098DEST_PATH_IMAGE037
处，
Figure 298767DEST_PATH_IMAGE038
表示沿半径方向的位置，
Figure 341809DEST_PATH_IMAGE039
分别表示第1个内部热电偶至第N个热电偶沿半径方向的位置，
Figure 291311DEST_PATH_IMAGE040
表示实数向量集，
Figure 787014DEST_PATH_IMAGE041
表示归一化温度分布模型第一边界处沿半径方向的一次导数，
Figure 112953DEST_PATH_IMAGE042
表示归一化温度分布模型第一边界处沿半径方向的一次导数；
归一化单位体积产热量
Figure 509037DEST_PATH_IMAGE043
为如下形式：
Figure 629440DEST_PATH_IMAGE044
其中，
Figure 878019DEST_PATH_IMAGE045
分别表示圆柱电池电流、开路电压和端电压，
Figure 210911DEST_PATH_IMAGE046
为剩余电荷容量，
Figure 962966DEST_PATH_IMAGE047
为圆柱电池温度分布量
Figure 519850DEST_PATH_IMAGE048
的缩略，
Figure 488680DEST_PATH_IMAGE049
表示圆柱电池体积。
优选地，步骤S300中预设的优化目标函数具体为：
Figure 890843DEST_PATH_IMAGE050
其中，
Figure 762984DEST_PATH_IMAGE051
为辨识时间步长，
Figure 490769DEST_PATH_IMAGE052
为模型和实验表明温度差值，l表示时间步数，
Figure 182781DEST_PATH_IMAGE053
为待辨识参数向量。
优选地，步骤S400具体为：
Figure 654214DEST_PATH_IMAGE054
其中，
Figure 885256DEST_PATH_IMAGE055
分别为
Figure 518362DEST_PATH_IMAGE056
的估计值，
Figure 963250DEST_PATH_IMAGE057
和
Figure 972795DEST_PATH_IMAGE058
为待定的观测器增益。
优选地，步骤S500中根据反步边界观测器和归一化的温度空间分布模型得到误差***，具体为：
Figure 553949DEST_PATH_IMAGE059
其中，
Figure 357957DEST_PATH_IMAGE060
为输出温度估计误差，
Figure 290140DEST_PATH_IMAGE061
为观测误差对时间的导数，
Figure 336332DEST_PATH_IMAGE062
为空间中某点的温度沿圆柱电池半径方向的二次导数的误差，
Figure 303151DEST_PATH_IMAGE063
为观测误差，
Figure 12481DEST_PATH_IMAGE064
为圆柱电池第一边界处沿径向的一次导数的误差，
Figure 431961DEST_PATH_IMAGE065
为圆柱电池第二边界处沿径向的一次导数的误差，
Figure 783308DEST_PATH_IMAGE066
为表面热电偶的测量值的误差。
优选地，步骤S500中通过逐次逼近法对误差***进行求解，得到反步边界观测器的增益，具体为：
Figure 339054DEST_PATH_IMAGE067
其中，
Figure 717820DEST_PATH_IMAGE068
为2阶修正Bessel方程，
Figure 624596DEST_PATH_IMAGE069
为自定义参数。
优选地，步骤S700中预设的残差评估函数具体为：
Figure 514055DEST_PATH_IMAGE070
其中，
Figure 189887DEST_PATH_IMAGE071
为滑动时间窗口的长度，
Figure 506599DEST_PATH_IMAGE072
为分布式残差量。
优选地，步骤S600具体为：
Figure 900671DEST_PATH_IMAGE074
其中，
Figure 826777DEST_PATH_IMAGE075
为自定义参数，
Figure 622694DEST_PATH_IMAGE076
和
Figure 110307DEST_PATH_IMAGE077
为转换后的热异常和扰动量，
Figure 460517DEST_PATH_IMAGE078
、
Figure 957358DEST_PATH_IMAGE079
、
Figure 342203DEST_PATH_IMAGE080
、
Figure 758972DEST_PATH_IMAGE081
和
Figure 862057DEST_PATH_IMAGE082
分别为转换后的
Figure 897009DEST_PATH_IMAGE083
、
Figure 136361DEST_PATH_IMAGE084
、
Figure 231356DEST_PATH_IMAGE085
、
Figure 556158DEST_PATH_IMAGE086
和
Figure 627757DEST_PATH_IMAGE087
。
上述圆柱形锂离子电池热异常检测与定位方法，首先建立圆柱电池温度空间分布模型，通过坐标变换得到归一化后的空间位置和时间量并建立扰动和热异常存在时归一化的温度空间分布模型，然后根据预设的优化目标函数辨识归一化的温度空间分布模型的参数，采集电池表面温度数据、电池电流和端电压数据，结合归一化的温度空间分布模型构建反步边界观测器，根据反步边界观测器和归一化的温度空间分布模型得到误差***，通过逐次逼近法对误差***进行求解得到输出温度估计误差，对输出温度估计误差采用三次样条插值方法得到分布式残差量，代入预设的残差评估函数得到评估值，当评估值大于预设的阈值时，定位到空间位置处存在热异常；利用少数的热电偶传感器，在不使用近似集总参数模型的前提下，实现了一维圆柱锂离子电池的热异常空间定位。
附图说明
图1为本发明一实施例提供的一种圆柱形锂离子电池热异常检测与定位方法流程图；
图2为本发明另一实施例提供的一种圆柱形锂离子电池热异常检测与定位方法流程示意图；
图3为本发明一实施例提供的优化目标函数收敛结果；
图4为本发明一实施例提供的表面温度实测值和模型值的误差
Figure 252773DEST_PATH_IMAGE088
变化曲线；
图5为本发明一实施例提供的状态估计误差的无穷范数值
Figure 253090DEST_PATH_IMAGE089
变化曲线；
图6为本发明一实施例提供的热异常定位结果图。
具体实施方式
为了使本技术领域的人员更好地理解本发明的技术方案，下面结合附图对本发明作进一步的详细说明。
在一个实施例中，如图1所示，一种圆柱形锂离子电池热异常检测与定位方法，方法包括以下步骤：
步骤S100：建立圆柱电池温度空间分布模型；
步骤S200：通过坐标变换得到归一化后的空间位置和时间量，根据归一化后的空间位置和时间量建立扰动和热异常存在时归一化的温度空间分布模型；
步骤S300：根据预设的优化目标函数辨识归一化的温度空间分布模型的参数；
步骤S400：采集电池表面温度数据、电池电流和端电压数据，根据归一化的温度空间分布模型、电池表面温度数据、电池电流和端电压数据构建反步边界观测器；
步骤S500：根据反步边界观测器和归一化的温度空间分布模型得到误差***，通过逐次逼近法对误差***进行求解，得到反步边界观测器的增益值，根据反步边界观测器的增益值和误差***得到输出温度估计误差；
步骤S700：对输出温度估计误差采用三次样条插值方法得到分布式残差量，将分布式残差量代入预设的残差评估函数得到评估值，将评估值和预设的阈值进行比较，当评估值大于阈值时，定位到归一化后的空间位置处存在热异常。
具体地，步骤S200中进行转换和归一化处理，是为了方便步骤S300中的参数辨识；归一化的温度空间分布模型，是考虑了扰动和热异常存在的，构建反步边界观测器目的是提供冗余模型，和归一化的温度空间分布模型进行对比得到误差***，对误差***进行求解得到反步边界观测器的增益值进而得到输出温度估计误差，对输出温度估计误差采用三次样条插值方法得到分布式残差量，将分布式残差量代入预设的残差评估函数得到评估值，将评估值和预设的阈值进行比较，当评估值大于阈值时，定位到归一化后的空间位置处存在热异常；进一步地，当评估值小于或等于阈值时，说明归一化后的空间位置处不存在异常。
在一个实施例中，方法还包括，步骤S600：对误差***采用Volterra积分变换得到目标***；步骤S700还包括：根据预设的热异常定位阈值计算函数和目标***离线计算得到阈值，作为预设的阈值。
具体地，目标***是为反步边界观测器的参数选择提供理论依据，以证明误差***是稳定的，可以收敛的。
在一个实施例中，步骤S100具体为：
Figure 330768DEST_PATH_IMAGE001
其中，
Figure 441943DEST_PATH_IMAGE002
表示圆柱电池温度分布量，
Figure 655887DEST_PATH_IMAGE003
为空间中某点的温度沿圆柱电池半径方向的一次导数，
Figure 92684DEST_PATH_IMAGE004
为空间中某点的温度沿圆柱电池半径方向的二次导数，
Figure 890614DEST_PATH_IMAGE005
为单位体积产热量，
Figure 71059DEST_PATH_IMAGE006
为圆柱电池第一边界处沿径向的一次导数，
Figure 405089DEST_PATH_IMAGE007
为圆柱电池第二边界处沿径向的一次导数，
Figure 747208DEST_PATH_IMAGE008
为半径长度，
Figure 268320DEST_PATH_IMAGE009
为圆柱电池径向方向空间坐标，
Figure 252456DEST_PATH_IMAGE010
为时间量，
Figure 939527DEST_PATH_IMAGE011
为密度量，
Figure 718127DEST_PATH_IMAGE012
为比热容量，
Figure 726535DEST_PATH_IMAGE013
为热导率，
Figure 983204DEST_PATH_IMAGE014
为对流系数，
Figure 291825DEST_PATH_IMAGE015
为环境温度，
Figure 241327DEST_PATH_IMAGE016
表示电池表面温度。
在一个实施例中，步骤S200包括：
（1）通过坐标变换得到归一化后径向方向的空间位置和时间量，具体为：
Figure 507004DEST_PATH_IMAGE017
Figure 301785DEST_PATH_IMAGE018
其中，
Figure 730492DEST_PATH_IMAGE019
为归一化后径向方向的空间坐标，
Figure 585315DEST_PATH_IMAGE020
为时间量；
（2）根据归一化后的空间位置和时间量建立扰动和热异常存在时归一化的温度空间分布模型，具体为：
Figure 833894DEST_PATH_IMAGE021
归一化的温度空间分布模型包含如下边界条件：
Figure 432366DEST_PATH_IMAGE022
其中，
Figure 214115DEST_PATH_IMAGE023
为归一化后圆柱电池温度分布量，
Figure 239839DEST_PATH_IMAGE024
分别为归一化的
Figure 975714DEST_PATH_IMAGE025
和
Figure 377877DEST_PATH_IMAGE026
，
Figure 515597DEST_PATH_IMAGE027
为归一化的单位面积产热量，
Figure 977802DEST_PATH_IMAGE028
和
Figure 168350DEST_PATH_IMAGE029
分别表示未知分布式扰动量和热异常量，
Figure 639783DEST_PATH_IMAGE030
为
Figure 366430DEST_PATH_IMAGE031
个内部热电偶
Figure 999537DEST_PATH_IMAGE032
和一个表面热电偶的测量值
Figure 444425DEST_PATH_IMAGE033
组成的向量，上标
Figure 188390DEST_PATH_IMAGE034
表示向量转置，
Figure 35123DEST_PATH_IMAGE035
为热电偶传感器输出向量，
Figure 337666DEST_PATH_IMAGE036
为狄拉克函数；其中，所述N个内部热电偶分别位于沿半径方向
Figure 269850DEST_PATH_IMAGE037
处，
Figure 817506DEST_PATH_IMAGE038
表示沿半径方向的位置，
Figure 518746DEST_PATH_IMAGE039
分别表示第1个内部热电偶至第N个热电偶沿半径方向的位置，
Figure 493655DEST_PATH_IMAGE040
表示实数向量集，
Figure 913135DEST_PATH_IMAGE041
表示归一化温度分布模型第一边界处沿半径方向的一次导数，
Figure 249437DEST_PATH_IMAGE042
表示归一化温度分布模型第一边界处沿半径方向的一次导数；
归一化单位体积产热量
Figure 70762DEST_PATH_IMAGE043
为如下形式：
Figure 482152DEST_PATH_IMAGE044
其中，
Figure 123349DEST_PATH_IMAGE045
分别表示圆柱电池电流、开路电压和端电压，
Figure 278387DEST_PATH_IMAGE046
为剩余电荷容量，
Figure 688640DEST_PATH_IMAGE047
为圆柱电池温度分布量
Figure 769466DEST_PATH_IMAGE048
的缩略，
Figure 897959DEST_PATH_IMAGE049
表示圆柱电池体积。
在一个实施例中，步骤S300中预设的优化目标函数具体为：
Figure 591108DEST_PATH_IMAGE050
其中，
Figure 121447DEST_PATH_IMAGE051
为辨识时间步长，
Figure 343481DEST_PATH_IMAGE052
为模型和实验表明温度差值，l表示时间步数，
Figure 224849DEST_PATH_IMAGE053
为待辨识参数向量。
在一个实施例中，步骤S400具体为：
Figure 721689DEST_PATH_IMAGE054
其中，
Figure 605070DEST_PATH_IMAGE055
分别为
Figure 263584DEST_PATH_IMAGE056
的估计值，
Figure 366669DEST_PATH_IMAGE057
和
Figure 136042DEST_PATH_IMAGE058
为待定的观测器增益。
在一个实施例中，步骤S500中根据反步边界观测器和归一化的温度空间分布模型得到误差***，具体为：
Figure 640973DEST_PATH_IMAGE059
其中，
Figure 735968DEST_PATH_IMAGE060
为输出温度估计误差，
Figure 559305DEST_PATH_IMAGE061
为观测误差对时间的导数，
Figure 397948DEST_PATH_IMAGE062
为空间中某点的温度沿圆柱电池半径方向的二次导数的误差，
Figure 757385DEST_PATH_IMAGE063
为观测误差，
Figure 23281DEST_PATH_IMAGE064
为圆柱电池第一边界处沿径向的一次导数的误差，
Figure 835380DEST_PATH_IMAGE065
为圆柱电池第二边界处沿径向的一次导数的误差，
Figure 212134DEST_PATH_IMAGE066
为表面热电偶的测量值的误差。
具体地，定义观测误差为
Figure 930473DEST_PATH_IMAGE090
，
Figure 367270DEST_PATH_IMAGE091
。
在一个实施例中，步骤S500中通过逐次逼近法对误差***进行求解，得到反步边界观测器的增益，具体为：
Figure 666664DEST_PATH_IMAGE092
其中，
Figure 847110DEST_PATH_IMAGE093
为2阶修正Bessel方程，
Figure 915560DEST_PATH_IMAGE094
为自定义参数。
在一个实施例中，步骤S700中预设的残差评估函数具体为：
Figure 257680DEST_PATH_IMAGE095
其中，
Figure 808485DEST_PATH_IMAGE096
为滑动时间窗口的长度，
Figure 527042DEST_PATH_IMAGE097
为分布式残差量。
在一个实施例中，步骤S600具体为：
Figure 449999DEST_PATH_IMAGE098
其中，
Figure 963019DEST_PATH_IMAGE099
为自定义参数，
Figure 502585DEST_PATH_IMAGE100
和
Figure 759254DEST_PATH_IMAGE101
为转换后的热异常和扰动量，
Figure 300832DEST_PATH_IMAGE102
、
Figure 984754DEST_PATH_IMAGE103
、
Figure 11616DEST_PATH_IMAGE104
、
Figure 806396DEST_PATH_IMAGE105
和
Figure 969525DEST_PATH_IMAGE106
分别为转换后的
Figure 89927DEST_PATH_IMAGE107
、
Figure 837041DEST_PATH_IMAGE108
、
Figure 435513DEST_PATH_IMAGE109
、
Figure 718727DEST_PATH_IMAGE110
和
Figure 744451DEST_PATH_IMAGE111
。
在一个实施例中，步骤S700中预设的热异常定位阈值计算函数，具体为：
Figure 480326DEST_PATH_IMAGE112
Figure 882489DEST_PATH_IMAGE113
其中，
Figure 20209DEST_PATH_IMAGE114
为
Figure 709511DEST_PATH_IMAGE115
希尔伯特空间2-范数的最大值，
Figure 932682DEST_PATH_IMAGE116
为Volterra逆积分变换核函数
Figure 872956DEST_PATH_IMAGE117
希尔伯特空间2-范数的最大值，
Figure 865183DEST_PATH_IMAGE118
为选定的李雅普诺夫函数初始值，
Figure 498289DEST_PATH_IMAGE119
分别为扰动
Figure 208757DEST_PATH_IMAGE120
的希尔伯特空间2-范数和
Figure 185678DEST_PATH_IMAGE121
范数的上界。
在一个实施例中，通过在线实时计算评估函数
Figure 297990DEST_PATH_IMAGE122
并与离线阈值
Figure 836419DEST_PATH_IMAGE123
进行比较，通过如下异热常定位逻辑来判断热异常位置：
Figure 768603DEST_PATH_IMAGE124
在一个详细的实施例中，上述方法流程示意图如图2所示，本发明搭建包含电池测试柜、恒温箱和电池管理***在内的实验平台进行热模型参数辨识，实验对象为32650圆柱锂离子电池，三个热电偶均匀分布在其表面进行温度数据采集。图3为参数辨识过程中目标函数
Figure 50679DEST_PATH_IMAGE125
收敛曲线图，经过约40次迭代后目标函数值已完全收敛，此时对应的比热容量
Figure 17498DEST_PATH_IMAGE126
，热导率
Figure 490943DEST_PATH_IMAGE127
，对流系数
Figure 910423DEST_PATH_IMAGE128
。图4为该组参数下表面温度实测值和模型值的误差
Figure 996191DEST_PATH_IMAGE129
变化曲线，根均方误差为0.0448K。对热模型注入如下热异常：
Figure 817516DEST_PATH_IMAGE130
其中热异常空间分布函数
Figure 963327DEST_PATH_IMAGE131
和时间变化量
Figure 604523DEST_PATH_IMAGE132
分布为：
Figure 992517DEST_PATH_IMAGE133
表示热异常发生在
Figure 668349DEST_PATH_IMAGE134
的空间区域内，幅值为3，其中
Figure 250640DEST_PATH_IMAGE135
为Heaviside函数，***的扰动为：
Figure 379133DEST_PATH_IMAGE136
图5为状态估计误差的无穷范数值
Figure 72283DEST_PATH_IMAGE137
变化曲线，选取设计参数
Figure 337042DEST_PATH_IMAGE138
，无热异常情况下其快速收敛，如图5中的放大的第一幅小图，当热异常发生时，其迅速发生跳变，如图5中放大的第二幅小图。图6为热异常定位结果，真实热异常位置包含在检测热异常位置之中，基本满足实用需求，
Figure 90234DEST_PATH_IMAGE139
表示评估函数的评估值的变化曲线，
Figure 210418DEST_PATH_IMAGE140
表示阈值。
上述圆柱形锂离子电池热异常检测与定位方法，利用少数的热电偶，在不使用近似集总参数模型的前提下，实现了一维圆柱锂离子电池的热异常空间定位，与其他异常检测方法相比较，本发明提出的异常定位方法只需要少数热电偶的测量数据而不需要全状态测量，与采用近似的集总参数***模型相比较，本发明设计阶段没有观测溢出。
以上对本发明所提供的一种圆柱形锂离子电池热异常检测与定位方法进行了详细介绍。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核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种圆柱形锂离子电池热异常检测与定位方法，其特征在于，所述方法包括以下步骤：
步骤S100：建立圆柱电池温度空间分布模型；
步骤S200：通过坐标变换得到归一化后的空间位置和时间量，根据所述归一化后的空间位置和时间量建立扰动和热异常存在时归一化的温度空间分布模型；
步骤S300：根据预设的优化目标函数辨识所述归一化的温度空间分布模型的参数；
步骤S400：采集电池表面温度数据、电池电流和端电压数据，根据所述归一化的温度空间分布模型、所述电池表面温度数据、电池电流和端电压数据构建反步边界观测器；
步骤S500：根据所述反步边界观测器和所述归一化的温度空间分布模型得到误差***，通过逐次逼近法对所述误差***进行求解，得到所述反步边界观测器的增益值，根据所述反步边界观测器的增益值和所述误差***得到输出温度估计误差；
步骤S700：对所述输出温度估计误差采用三次样条插值方法得到分布式残差量，将所述分布式残差量代入预设的残差评估函数得到评估值，将所述评估值和预设的阈值进行比较，当所述评估值大于所述阈值时，定位到所述归一化后的空间位置处存在热异常。
2.根据权利要求1所述的方法，其特征在于，还包括：
步骤S600：对所述误差***采用Volterra积分变换得到目标***；
步骤S700还包括：根据预设的热异常定位阈值计算函数和所述目标***离线计算得到阈值，作为预设的阈值。
3.根据权利要求2所述的方法，其特征在于，步骤S100具体为：
Figure 875515DEST_PATH_IMAGE001
其中，
Figure 464759DEST_PATH_IMAGE002
表示圆柱电池温度分布量，
Figure 713338DEST_PATH_IMAGE003
为空间中某点的温度沿圆柱电池半径方向的一次导数，
Figure 842968DEST_PATH_IMAGE004
为空间中某点的温度沿圆柱电池半径方向的二次导数，
Figure 126182DEST_PATH_IMAGE005
为单位体积产热量，
Figure 620748DEST_PATH_IMAGE006
为圆柱电池第一边界处沿径向的一次导数，
Figure 861018DEST_PATH_IMAGE007
为圆柱电池第二边界处沿径向的一次导数，
Figure 794339DEST_PATH_IMAGE008
为半径长度，
Figure 932059DEST_PATH_IMAGE009
为圆柱电池径向方向空间坐标，
Figure 597527DEST_PATH_IMAGE010
为时间量，
Figure 820698DEST_PATH_IMAGE011
为密度量，
Figure 292130DEST_PATH_IMAGE012
为比热容量，
Figure 986154DEST_PATH_IMAGE013
为热导率，
Figure 884840DEST_PATH_IMAGE014
为对流系数，
Figure 860887DEST_PATH_IMAGE015
为环境温度，
Figure 604852DEST_PATH_IMAGE016
表示电池表面温度。
4.根据权利要求3所述的方法，其特征在于，步骤S200包括：
（1）通过坐标变换得到归一化后径向方向的空间位置和时间量，具体为：
Figure 920427DEST_PATH_IMAGE017
Figure 990014DEST_PATH_IMAGE018
其中，
Figure 187777DEST_PATH_IMAGE019
为归一化后径向方向的空间坐标，
Figure 437230DEST_PATH_IMAGE020
为时间量；
（2）根据所述归一化后的空间位置和时间量建立扰动和热异常存在时归一化的温度空间分布模型，具体为：
Figure 669629DEST_PATH_IMAGE021
所述归一化的温度空间分布模型包含如下边界条件：
Figure 910117DEST_PATH_IMAGE022
其中，
Figure 532859DEST_PATH_IMAGE023
为归一化后圆柱电池温度分布量，
Figure 149786DEST_PATH_IMAGE024
分别为归一化的
Figure 971111DEST_PATH_IMAGE025
和
Figure 84298DEST_PATH_IMAGE026
，
Figure 991074DEST_PATH_IMAGE027
为归一化的单位面积产热量，
Figure 146112DEST_PATH_IMAGE028
和
Figure 87523DEST_PATH_IMAGE029
分别表示未知分布式扰动量和热异常量，
Figure 669814DEST_PATH_IMAGE030
为
Figure 267149DEST_PATH_IMAGE031
个内部热电偶
Figure 718554DEST_PATH_IMAGE032
和一个表面热电偶的测量值
Figure 248892DEST_PATH_IMAGE033
组成的向量，上标
Figure 205347DEST_PATH_IMAGE034
表示向量转置，
Figure 86715DEST_PATH_IMAGE035
为热电偶传感器输出向量，
Figure 849135DEST_PATH_IMAGE036
为狄拉克函数；其中，所述N个内部热电偶分别位于沿半径方向
Figure 499559DEST_PATH_IMAGE037
处，
Figure 859871DEST_PATH_IMAGE038
表示沿半径方向的位置，
Figure 494114DEST_PATH_IMAGE039
分别表示第1个内部热电偶至第N个热电偶沿半径方向的位置，
Figure 529067DEST_PATH_IMAGE040
表示实数向量集，
Figure 502839DEST_PATH_IMAGE041
表示归一化温度分布模型第一边界处沿半径方向的一次导数，
Figure 332255DEST_PATH_IMAGE042
表示归一化温度分布模型第一边界处沿半径方向的一次导数；
所述归一化单位体积产热量
Figure 453794DEST_PATH_IMAGE043
为如下形式：
Figure 292437DEST_PATH_IMAGE044
其中，
Figure 353672DEST_PATH_IMAGE045
分别表示圆柱电池电流、开路电压和端电压，
Figure 885147DEST_PATH_IMAGE046
为剩余电荷容量，
Figure 962825DEST_PATH_IMAGE047
为圆柱电池温度分布量
Figure 808421DEST_PATH_IMAGE048
的缩略，
Figure 287944DEST_PATH_IMAGE049
表示圆柱电池体积。
5.根据权利要求4所述的方法，其特征在于，步骤S300中预设的优化目标函数具体为：
Figure 990321DEST_PATH_IMAGE050
其中，
Figure 53829DEST_PATH_IMAGE051
为辨识时间步长，
Figure 234275DEST_PATH_IMAGE052
为模型和实验表明温度差值，l表示时间步数，
Figure 771567DEST_PATH_IMAGE053
为待辨识参数向量。
6.根据权利要求5所述的方法，其特征在于，步骤S400具体为：
Figure 644845DEST_PATH_IMAGE054
其中，
Figure 697115DEST_PATH_IMAGE055
分别为
Figure 618934DEST_PATH_IMAGE056
的估计值，
Figure 843023DEST_PATH_IMAGE057
和
Figure 621623DEST_PATH_IMAGE058
为待定的观测器增益。
7.根据权利要求6所述的方法，其特征在于，步骤S500中根据所述反步边界观测器和所述归一化的温度空间分布模型得到误差***，具体为：
Figure 364451DEST_PATH_IMAGE059
其中，
Figure 886699DEST_PATH_IMAGE060
为输出温度估计误差，
Figure 460900DEST_PATH_IMAGE061
为观测误差对时间的导数，
Figure 410402DEST_PATH_IMAGE062
为空间中某点的温度沿圆柱电池半径方向的二次导数的误差，
Figure 873482DEST_PATH_IMAGE063
为观测误差，
Figure 199421DEST_PATH_IMAGE064
为圆柱电池第一边界处沿径向的一次导数的误差，
Figure 628128DEST_PATH_IMAGE065
为圆柱电池第二边界处沿径向的一次导数的误差，
Figure 951793DEST_PATH_IMAGE066
为表面热电偶的测量值的误差。
8.根据权利要求7所述的方法，其特征在于，步骤S500中通过逐次逼近法对所述误差***进行求解，得到所述反步边界观测器的增益，具体为：
Figure 465951DEST_PATH_IMAGE067
其中，
Figure 330002DEST_PATH_IMAGE068
为2阶修正Bessel方程，
Figure 613216DEST_PATH_IMAGE069
为自定义参数。
9.根据权利要求8所述的方法，其特征在于，步骤S700中预设的残差评估函数具体为：
Figure 871897DEST_PATH_IMAGE070
其中，
Figure 607771DEST_PATH_IMAGE071
为滑动时间窗口的长度，
Figure 541092DEST_PATH_IMAGE072
为分布式残差量。
10.根据权利要求7所述的方法，其特征在于，步骤S600具体为：
Figure 413233DEST_PATH_IMAGE074
其中，
Figure 344280DEST_PATH_IMAGE075
为自定义参数，
Figure 567451DEST_PATH_IMAGE076
和
Figure 537419DEST_PATH_IMAGE077
为转换后的热异常和扰动量，
Figure 529646DEST_PATH_IMAGE078
、
Figure 631594DEST_PATH_IMAGE079
、
Figure 76482DEST_PATH_IMAGE080
、
Figure 351605DEST_PATH_IMAGE081
和
Figure 463918DEST_PATH_IMAGE082
分别为转换后的
Figure 987301DEST_PATH_IMAGE083
、
Figure 450644DEST_PATH_IMAGE084
、
Figure 998300DEST_PATH_IMAGE085
、
Figure 965119DEST_PATH_IMAGE086
和
Figure 143290DEST_PATH_IMAGE087
。
CN202111169167.7A 2021-10-08 2021-10-08 一种圆柱形锂离子电池热异常检测与定位方法 Active CN113608127B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111169167.7A CN113608127B (zh) 2021-10-08 2021-10-08 一种圆柱形锂离子电池热异常检测与定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111169167.7A CN113608127B (zh) 2021-10-08 2021-10-08 一种圆柱形锂离子电池热异常检测与定位方法

Publications (2)

Publication Number Publication Date
CN113608127A true CN113608127A (zh) 2021-11-05
CN113608127B CN113608127B (zh) 2021-12-21

Family

ID=78310786

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111169167.7A Active CN113608127B (zh) 2021-10-08 2021-10-08 一种圆柱形锂离子电池热异常检测与定位方法

Country Status (1)

Country Link
CN (1) CN113608127B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114152880A (zh) * 2022-02-08 2022-03-08 湖南大学 一种软包电池传感器故障在线检测方法
CN114178724A (zh) * 2021-12-23 2022-03-15 济南大学 一种基于电极焊接优化的圆柱动力电池组散热优化方法
CN114779640A (zh) * 2022-04-21 2022-07-22 中南大学 一种热交换器***的模糊自适应温度估计方法
CN115436821A (zh) * 2022-09-02 2022-12-06 四川新能源汽车创新中心有限公司 电池***产热异常识别方法及装置
CN114779640B (zh) * 2022-04-21 2024-07-30 中南大学 一种热交换器***的模糊自适应温度估计方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130055156A (ko) * 2011-11-18 2013-05-28 삼성에스디아이 주식회사 배터리 관리 모듈의 오류 통보 장치 및 이를 구비한 에너지 저장 시스템
CN106872904A (zh) * 2017-02-23 2017-06-20 合肥工业大学 基于离散滑模观测器的锂电池内部温度估计方法
CN111143974A (zh) * 2019-12-06 2020-05-12 重庆大学 一种面向控制的锂电池热模型建立方法
CN111890938A (zh) * 2020-07-31 2020-11-06 北京骑胜科技有限公司 电池管理方法、***、介质、电池以及电动车辆
CN112068018A (zh) * 2020-08-14 2020-12-11 华南理工大学 基于改进格拉布斯准则和电池电热耦合模型的动力电池组故障诊断方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130055156A (ko) * 2011-11-18 2013-05-28 삼성에스디아이 주식회사 배터리 관리 모듈의 오류 통보 장치 및 이를 구비한 에너지 저장 시스템
CN106872904A (zh) * 2017-02-23 2017-06-20 合肥工业大学 基于离散滑模观测器的锂电池内部温度估计方法
CN111143974A (zh) * 2019-12-06 2020-05-12 重庆大学 一种面向控制的锂电池热模型建立方法
CN111890938A (zh) * 2020-07-31 2020-11-06 北京骑胜科技有限公司 电池管理方法、***、介质、电池以及电动车辆
CN112068018A (zh) * 2020-08-14 2020-12-11 华南理工大学 基于改进格拉布斯准则和电池电热耦合模型的动力电池组故障诊断方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YUN FENG 等: "Spatial Decomposition-Based Fault Detection Framework for Parabolic-Distributed Parameter Processes", 《IEEE TRANSACTIONS ON CYBERNETICS》 *
朱泽华 等: "圆柱形锂离子电池详细热模型的数值仿真", 《智能计算机与应用》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114178724A (zh) * 2021-12-23 2022-03-15 济南大学 一种基于电极焊接优化的圆柱动力电池组散热优化方法
CN114152880A (zh) * 2022-02-08 2022-03-08 湖南大学 一种软包电池传感器故障在线检测方法
CN114152880B (zh) * 2022-02-08 2022-04-12 湖南大学 一种软包电池传感器故障在线检测方法
CN114779640A (zh) * 2022-04-21 2022-07-22 中南大学 一种热交换器***的模糊自适应温度估计方法
CN114779640B (zh) * 2022-04-21 2024-07-30 中南大学 一种热交换器***的模糊自适应温度估计方法
CN115436821A (zh) * 2022-09-02 2022-12-06 四川新能源汽车创新中心有限公司 电池***产热异常识别方法及装置
CN115436821B (zh) * 2022-09-02 2024-01-30 四川新能源汽车创新中心有限公司 电池***产热异常识别方法及装置

Also Published As

Publication number Publication date
CN113608127B (zh) 2021-12-21

Similar Documents

Publication Publication Date Title
CN113608127B (zh) 一种圆柱形锂离子电池热异常检测与定位方法
CN111198327B (zh) 一种单体电池内短路故障自检测方法
Li et al. A hybrid machine learning framework for joint SOC and SOH estimation of lithium-ion batteries assisted with fiber sensor measurements
Tian et al. State of charge estimation of lithium-ion batteries using an optimal adaptive gain nonlinear observer
Song et al. A novel variable forgetting factor recursive least square algorithm to improve the anti-interference ability of battery model parameters identification
CN104865534B (zh) 一种单体电池内部温度估计方法
CN111965547B (zh) 一种基于参数辨识法的电池***传感器故障诊断方法
Li et al. A combination state of charge estimation method for ternary polymer lithium battery considering temperature influence
Wei et al. Lyapunov-based thermal fault diagnosis of cylindrical lithium-ion batteries
Tian et al. One-shot parameter identification of the Thevenin’s model for batteries: Methods and validation
JP7157909B2 (ja) 電池容量の推定方法、および電池容量の推定装置
Takyi-Aninakwa et al. An optimized long short-term memory-weighted fading extended Kalman filtering model with wide temperature adaptation for the state of charge estimation of lithium-ion batteries
Ouyang et al. A novel state of charge estimation method for lithium-ion batteries based on bias compensation
JP2008232758A (ja) 二次電池の内部状態検出装置及びニューラルネット式状態量推定装置
JP2011521402A (ja) 電気化学電池のスマート管理システム
Zhao et al. Model-based fault diagnosis methods for systems with stochastic process–a survey
CN104915493B (zh) 一种基于有限元模型的行波管内部温度软测量方法
CN112989569B (zh) 一种带温度约束条件的锂电池传感器故障滤波诊断方法
CN114779107A (zh) 一种考虑温度影响的锂离子电池soc估计方法
CN111060823A (zh) 一种基于dp模型的低温环境下电池sop在线估计方法
CN115877232A (zh) 一种基于卡尔曼滤波的锂离子电池内部温度估计方法
Hou et al. State of charge estimation for lithium-ion batteries based on battery model and data-driven fusion method
Peng et al. Real-time state of charge estimation of the extended Kalman filter and unscented Kalman filter algorithms under different working conditions
CN114899523A (zh) 一种锂离子电池单体热失控核心温度估计方法
Yang et al. Recent progresses in state estimation of lithium-ion battery energy storage systems: A review

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