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 PDFInfo
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 21
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 title claims abstract description 10
- 238000009826 distribution Methods 0.000 claims abstract description 54
- 238000011156 evaluation Methods 0.000 claims abstract description 23
- 230000009466 transformation Effects 0.000 claims abstract description 11
- 238000005457 optimization Methods 0.000 claims abstract description 8
- 210000004027 cell Anatomy 0.000 claims description 28
- 239000013598 vector Substances 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000020169 heat generation Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000695274 Processa Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
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:
其中,表示圆柱电池温度分布量,为空间中某点的温度沿圆柱电池半径方向的一次导数,为空间中某点的温度沿圆柱电池半径方向的二次导数,为单位体积产热量,为圆柱电池第一边界处沿径向的一次导数,为圆柱电池第二边界处沿径向的一次导数,为半径长度,为圆柱电池径向方向空间坐标,为时间量,为密度量,为比热容量,为热导率,为对流系数,为环境温度,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:
(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:
归一化的温度空间分布模型包含如下边界条件:
其中,为归一化后圆柱电池温度分布量,分别为归一化的和,为归一化的单位面积产热量,和分别表示未知分布式扰动量和热异常量,为个内部热电偶和一个表面热电偶的测量值组成的向量,上标表示向量转置,为热电偶传感器输出向量,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处,表示沿半径方向的位置,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,表示实数向量集,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,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;
优选地,步骤S300中预设的优化目标函数具体为:
优选地,步骤S400具体为:
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:
其中,为输出温度估计误差,为观测误差对时间的导数,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,为观测误差,为圆柱电池第一边界处沿径向的一次导数的误差, 为圆柱电池第二边界处沿径向的一次导数的误差,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:
优选地,步骤S700中预设的残差评估函数具体为:
优选地,步骤S600具体为:
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:
其中,表示圆柱电池温度分布量,为空间中某点的温度沿圆柱电池半径方向的一次导数,为空间中某点的温度沿圆柱电池半径方向的二次导数,为单位体积产热量,为圆柱电池第一边界处沿径向的一次导数,为圆柱电池第二边界处沿径向的一次导数,为半径长度,为圆柱电池径向方向空间坐标,为时间量,为密度量,为比热容量,为热导率,为对流系数,为环境温度,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:
(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:
归一化的温度空间分布模型包含如下边界条件:
其中,为归一化后圆柱电池温度分布量,分别为归一化的和,为归一化的单位面积产热量,和分别表示未知分布式扰动量和热异常量,为个内部热电偶和一个表面热电偶的测量值组成的向量,上标表示向量转置,为热电偶传感器输出向量,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处,表示沿半径方向的位置,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,表示实数向量集,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,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;
在一个实施例中,步骤S300中预设的优化目标函数具体为:
在一个实施例中,步骤S400具体为:
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:
其中,为输出温度估计误差,为观测误差对时间的导数,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,为观测误差,为圆柱电池第一边界处沿径向的一次导数的误差, 为圆柱电池第二边界处沿径向的一次导数的误差,为表面热电偶的测量值的误差。
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:
在一个实施例中,步骤S700中预设的残差评估函数具体为:
在一个实施例中,步骤S600具体为:
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:
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,热导率,对流系数。图4为该组参数下表面温度实测值和模型值的误差变化曲线,根均方误差为0.0448K。对热模型注入如下热异常:
图5为状态估计误差的无穷范数值变化曲线,选取设计参数,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,表示评估函数的评估值的变化曲线,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。
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:
(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:
所述归一化的温度空间分布模型包含如下边界条件:
其中,为归一化后圆柱电池温度分布量,分别为归一化的和,为归一化的单位面积产热量,和分别表示未知分布式扰动量和热异常量,为个内部热电偶和一个表面热电偶的测量值组成的向量,上标表示向量转置,为热电偶传感器输出向量,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处,表示沿半径方向的位置,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,表示实数向量集,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,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;
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)
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)
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 |
-
2021
- 2021-10-08 CN CN202111169167.7A patent/CN113608127B/zh active Active
Patent Citations (5)
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)
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)
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 |