CN115144765A - 电池内短路故障检测方法及装置 - Google Patents
电池内短路故障检测方法及装置 Download PDFInfo
- Publication number
- CN115144765A CN115144765A CN202210785686.4A CN202210785686A CN115144765A CN 115144765 A CN115144765 A CN 115144765A CN 202210785686 A CN202210785686 A CN 202210785686A CN 115144765 A CN115144765 A CN 115144765A
- Authority
- CN
- China
- Prior art keywords
- battery
- data
- characteristic
- target
- parameter
- 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 65
- 238000001514 detection method Methods 0.000 claims abstract description 71
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 238000007726 management method Methods 0.000 claims description 55
- 230000002159 abnormal effect Effects 0.000 claims description 51
- 238000012545 processing Methods 0.000 claims description 21
- 230000005611 electricity Effects 0.000 claims description 4
- 238000010835 comparative analysis Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 6
- 230000005856 abnormality Effects 0.000 description 37
- 238000010586 diagram Methods 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000013450 outlier detection Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007762 localization of cell Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013024 troubleshooting Methods 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本申请公开了一种电池内短路故障检测方法及装置,由电池管理***获取目标电池的基础数据,并基于基础数据计算得到目标电池的特征数据,其中基础数据包括至少一项基础参数的参数值,特征数据包括至少一项与内短路相关的特征参数的特征值,将基础数据和特征数据上传至云端服务器,由云端服务器根据基础数据和特征数据对目标电池进行内短路故障检测。根据本申请实施例,通过将基础数据和特征数据发送至云端服务器进行处理,减少了内短路故障检测时电池管理***所需的算力和存储力,从而解决了由于电池管理***中存储力和算力不足导致的内短路故障检测效果受限的问题。
Description
技术领域
本申请属于电池故障管理领域,尤其涉及一种电池内短路故障检测方法、装置、设备及计算机存储介质。
背景技术
二次电池又称为充电电池或蓄电池,二次电池的使用过程中受到电池原材料、或者电池使用方式等因素影响,可能出现热失控等安全问题。而导致热失控的主要原因之一就是电池的内短路。由此可见,若可以实现对电池组内电芯早期内短路故障的准确检测,可以有效避免热失控事故的发生,因此通常需要对电池内短路故障进行检测,以便及时进行处理。
目前通常采用电池管理***进行电池内短路故障检测,检测方法主要为通过电池管理***获取目标电池的电压、温度等参数值,然后通过对获取的参数值进行计算和分析实现内短路故障诊断。但是此种方式通常面临巨大的存储力与算力不足的问题,使得内短路故障检测效果受限。
发明内容
本申请实施例提供一种电池内短路故障检测方法、装置、设备及计算机存储介质,通过电池管理***与云端服务器相结合,基于电池的基础数据实现对电池内短路故障的准确检测,解决了由于电池管理***存储力和算力不足导致的故障检测效果受限的问题。
第一方面,本申请实施例提供一种电池内短路故障检测方法,应用于电池管理***,所述方法包括:
获取目标电池的基础数据,其中,基础数据包括至少一项基础参数的参数值;
根据基础数据计算得到目标电池的特征数据,其中,特征数据包括至少一项特征参数的参数值,特征参数为与电池内短路相关的参数;
将基础数据和特征数据上传至云端服务器,以使云端服务器基于基础数据和特征数据对目标电池进行内短路故障检测。
作为一种可能的实现方式,方法还包括:
接收云端服务器发送的故障触发指令,其中,故障触发指令指示目标电池存在内短路故障,并且故障触发指令中包含故障等级;
从预设的故障处理策略中,确定与故障等级对应的目标故障处理策略;
执行目标故障处理策略。
作为一种可能的实现方式,根据基础数据计算得到目标电池的特征数据之后,方法还包括:
确定特征数据中是否存在异常特征参数,其中,异常特征参数为参数值满足预设的异常判断条件的特征参数;
若确定特征数据中存在异常特征参数,并且确定连续n次计算得到的目标电池的特征数据中均存在该异常特征参数,则确定目标电池存在内短路故障,其中,n为大于或等于1的整数值。
作为一种可能的实现方式,在目标电池包括多个电芯的情况下,方法还包括:
获取目标电池中各电芯的基础数据,其中,基础数据包括至少一项基础参数的参数值;
针对每个电芯,根据电芯的基础数据计算得到电芯的特征数据,其中,特征数据包括至少一项特征参数的参数值,特征参数为与电池内短路相关的参数;
将目标电池中各电芯的基础数据和特征数据均上传至云端服务器,以使云端服务器基于各电芯的基础数据和特征数据对目标电池进行内短路故障定位。
作为一种可能的实现方式,至少一项特征参数包括内阻、漏电流和/或电量积分量。
第二方面,本申请实施例提供了一种电池内短路故障检测方法,应用于云端服务器,方法包括:
接收电池管理***上传的电池的基础数据和特征数据,其中,基础数据包括至少一项基础参数的参数值,特征数据包括至少一项特征参数的参数值,特征参数为与电池内短路相关的参数;
根据基础数据和特征数据对目标电池进行内短路故障检测,得到目标电池的内短路故障检测结果。
作为一种可能的实现方式,根据基础数据和特征数据对目标电池进行内短路故障检测,得到目标电池的内短路故障检测结果,包括:
获取目标电池在第一时长内的第一基础数据和第一特征数据;
根据第一基础数据从第一特征数据中选取符合预设条件的目标特征数据;
针对目标特征数据中的每项特征参数,对特征参数的参数值进行线性拟合,得到该特征参数的斜率;
将该特征参数的斜率与该特征参数对应的多个阈值进行比较,确定斜率所属的阈值区间,其中,不同的阈值区间对应不同的参数异常程度;
将斜率所属的阈值区间对应的参数异常程度作为该特征参数的异常程度;
若确定目标特征数据中存在异常程度不是无异常的特征参数,则确定目标电池存在内短路故障。
作为一种可能的实现方式,根据基础数据和特征数据对目标电池进行内短路故障检测,得到目标电池的内短路故障检测结果,包括:
获取目标电池和多个第一电池在目标循环区间内的特征数据,第一电池为与目标电池同型号的其他电池,其中,循环区间为电池充放电循环次数的区间;
对目标电池和多个第一电池在目标循环区间内的特征数据进行比较分析,以确定目标电池的特征数据与多个第一电池的特征数据之间是否存在显著差异;
若确定目标电池的特征数据与多个第一电池的特征数据之间存在显著差异,则确定目标电池存在内短路故障。
作为一种可能的实现方式,方法还包括:
在确定目标电池存在内短路故障的情况下,确定目标电池存在的内短路故障的故障等级;
生成用于指示目标电池存在内短路故障的故障触发指令,并且将故障等级写入故障触发指令中;
将故障触发指令发送至电池管理***。
作为一种可能的实现方式,在目标电池包括多个电芯的情况下,方法还包括:
接收电池管理***上传的目标电池中各电芯的基础数据和特征数据;
在确定目标电池存在内短路故障的情况下,根据目标电池中各电芯的基础数据和/或特征数据对内短路故障进行电芯定位,确定目标电池中发生内短路故障的电芯。
作为一种可能的实现方式,根据所述目标电池中各电芯的基础数据和/或特征数据对内短路故障进行电芯定位,包括:
获取各电芯的特征数据;
对获取的特征数据进行比较分析,确定出特征数据与其他电芯的特征数据存在显著差异的目标电芯;
将目标电芯确定为发生内短路故障的电芯。
第三方面,本申请实施例提供了一种电池内短路故障检测装置,应用于电池管理***,所述装置包括:
第一获取单元,用于获取目标电池的基础数据,其中,基础数据包括至少一项基础参数的参数值;
第一计算单元,用于根据基础数据计算得到目标电池的特征数据,其中,特征数据包括至少一项特征参数的参数值,特征参数为与电池内短路相关的参数;
第一上传单元,用于将基础数据和特征数据上传至云端服务器,以使云端服务器基于基础数据和特征数据对目标电池进行内短路故障检测。
第四方面,本申请实施例提供了一种电池内短路故障检测装置,应用于云端服务器,所述装置包括:
第一接收单元,用于接收电池管理***上传的电池的基础数据和特征数据,其中,基础数据包括至少一项基础参数的参数值,特征数据包括至少一项特征参数的参数值,特征参数为与电池内短路相关的参数;
检测单元,用于根据基础数据和特征数据对目标电池进行内短路故障检测,得到目标电池的内短路故障检测结果。
第五方面,本申请实施例提供了一种电池内短路故障检测设备,所述设备包括:处理器以及存储有计算机程序指令的存储器;
所述处理器执行所述计算机程序指令时实现如第一方面或第二方面任意一项所述的电池内短路故障检测方法。
第六方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如第一方面或第二方面任意一项所述的电池内短路故障检测方法。
第七方面,本申请实施例提供了一种计算机程序产品,所述计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备执行如第一方面或第二方面任意一项所述的电池内短路故障检测方法。
本申请实施例的电池内短路故障检测方法、装置、设备及计算机存储介质,由电池管理***获取目标电池的基础数据,并基于基础数据计算得到目标电池的特征数据,其中基础数据包括至少一项基础参数的参数值,特征数据包括至少一项与内短路相关的特征参数的特征值,将基础数据和特征数据上传至云端服务器,由云端服务器根据基础数据和特征数据对目标电池进行内短路故障检测。根据本申请实施例,通过将基础数据和特征数据发送至云端服务器进行处理,减少了内短路故障检测时电池管理***所需的算力和存储力,从而解决了由于电池管理***中存储力和算力不足导致的内短路故障检测效果受限的问题。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单的介绍,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一个实施例提供的电池内短路故障检测***的示意图;
图2是本申请一个实施例提供的电池内短路故障检测***的流程示意图;
图3是本申请另一个实施例提供的电池内短路故障检测***的流程示意图;
图4是本申请又一个实施例提供的电池内短路故障检测***的流程示意图;
图5是本申请一个实施例提供的电池内短路故障检测装置的结构示意图。
图6是本申请另一个实施例提供的电池内短路故障检测装置的结构示意图。
图7是本申请一个实施例提供的电池内短路故障检测设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅意在解释本申请,而不是限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
电池内短路故障是引发电池热失控的一项重要因素,因此若实现对电池内短路故障的准确检测,可以有效避免热失控事故的发生。
现有电池内短路故障检测方法主要为本地检测,其中,本地检测即为通过电池管理***BMS实现的检测。
目前的本地检测方案主要有以下几种:
1)通过观测电池静置过程中的电压降,量化电池自放电情况,然后通过与阈值比较实现电池的内短路故障检测。
2)通过估计电池的电芯多次充电过程的剩余充电容量变化,换算电池漏电量,然后通过将电池漏电量与阈值比较实现电池的内短路故障检测。
3)通过对电池中各电芯荷电状态SOC的估计以及差异比较,换算得到漏电量,通过将漏电量与阈值比较实现电池的内短路故障检测。
但是,目前本地检测的方法面临巨大的存储力与算力限制,如对于串联电芯数较大的电池组而言,对每个电芯的内短路特征计算并比较的算法面临计算资源可能不足的困境,需对长时间数据进行诊断的算法面临存储资源可能不足的困境。因此可应用算法故障诊断效果受限。
为了解决本地检测方法存在的技术问题,目前提出了云端检测方案,即利用云端服务器进行检测的方案。
目前的云端检测方案主要有以下几种:
1)根据获取的电池组各电芯电压/温度等基础数据,处理得到压差/电压变化率等特征数据,然后通过离群点检测等方法对电池组不一致性进行评估,进行内短路故障诊断。
2)通过大量电池数据,训练得到电池组黑盒模型,当实际电池数据与模型计算数据由有明显差异时,判断内短路故障发生。
但是,现有的云端检测方案中实现的检测算法,其中以内阻为例的高频特征数据、以累积电量为例的积分特征数据均需要进行高频计算,但是受流量的限制,通常云端的数据上传频率较低,这使的无法满足对特征数据进行高频计算的需求,从而使得计算结果误差较大;并且受限于传输延时,突发性内短路失效难以及时诊断。
为了解决现有技术问题,本申请实施例提供了一种电池内短路故障检测***。
图1示出了本申请一个实施例提供的电池内短路故障检测***的示意图。如图1所示,本申请实施例提供的电池内短路故障检测***可以包括:电池101、电池管理***102和云端服务器103。其中,电池管理***102与电池101连接,可以获取电池及电池电芯的基础数据,电池管理***102与云端服务器103通讯连接,可以相互进行数据传输。
基于上述电池内短路故障检测***,本申请实施例还提供了一种电池内短路故障检测方法、装置、设备及计算机存储介质。下面首先对本申请实施例所提供的电池内短路故障检测***进行介绍。
图2示出了本申请一个实施例提供的电池内短路故障检测方法的数据交互示意图。如图2所示,本申请实施例提供的电池内短路故障检测方法可以包括一下步骤:
S21.电池管理***获取目标电池的基础数据。
其中,目标电池即为需要进行内短路故障检测的电池。
在一个示例中,基础数据包括至少一项基础参数的参数值,而至少一项基础参数表可以包括电压、电流、温度、SOC、SOH、内阻、温升速率、单体电压、单体温度和/或压力等。
S22.电池管理***根据基础数据计算得到目标电池的特征数据。
其中,特征数据包括至少一项特征参数的参数值,特征参数为与电池内短路相关的参数。
在一个示例中,至少一项特征参数可以包括内阻、漏电流和/或电量积分量。而根据基础数据计算特征数据的方式均为现有成熟技术,因此,本实施例不再过多描述。
S23.电池管理***将目标电池的基础数据和特征数据上传至云端服务器。
在一个示例中,因为特征数据是基于基础数据计算得出的,所以特征数据与基础数据之间存在关联关系。基于此,在将特征数据和基础数据上传至远端服务器时,可以将基础数据与特征数据进行关联后上传,以便可以使云端服务器了解特征数据与基础数据之间的关联关系。
进一步的,在实际应用中,一台云端服务器可能需要对多个不同的电池进行内短路故障检测,因此为了便于对数据进行区分,在将基础数据和特征数据上传至云端服务器时可以将上述数据与目标电池的标识进行关联。
S24.云端服务器基于目标电池的基础数据和特征数据对目标电池进行内短路故障检测。
本申请实施例提供的一种电池内短路故障检测方法,由电池管理***获取目标电池的基础数据,并基于基础数据计算得到目标电池的特征数据,其中基础数据包括至少一项基础参数的参数值,特征数据包括至少一项与内短路相关的特征参数的特征值,然后将基础数据和特征数据上传至云端服务器,由云端服务器根据基础数据和特征数据对目标电池进行内短路故障检测。根据本申请实施例,通过将基础数据和特征数据发送至云端服务器进行处理,减少了内短路故障检测时电池管理***所需的算力和存储力,从而解决了由于电池管理***中存储力和算力不足导致的内短路故障检测效果受限的问题。并且,根据本申请实施例,由电池管理***完成对特征数据的计算,解决了在云端服务器中进行特征数据计算时,由于数据上传效率较低导致的特征数据误差大的问题,保证了特征数据的准确性,进而提高了电池内短路故障检测结果的准确性。
下面介绍上述步骤S24的具体实现方式。
在一些实施例中,在S24中,可以采用基于数据时间维度分析的方式来确定目标电池是否存在内短路故障。其中,时间维度分析指对电池上报的特征数据在长时间尺度的变化趋势进行分析。
具体的,可以获取目标电池在第一时长内的基础数据(为便于描述下称第一基础数据)和特征数据(为便于描述下称第一特征数据),然后根据第一基础数据从第一特征数据中选取符合预设条件的目标特征数据,针对目标特征数据中的每项特征参数,对该特征参数的参数值进行线性拟合,得到该特征参数的斜率,将该特征参数的斜率与该特征参数对应的多个阈值进行比较,确定该斜率所属的阈值区间,其中,不同的阈值区间对应不同的参数异常程度,基于此,将该斜率所属的阈值区间对应的参数异常程度作为该特征参数的异常程度,在确定出目标特征数据中各项所述特征参数的异常程度之后,根据目标特征数据中各项特征参数的异常程度,确定目标电池是否存在内短路故障。
其中,第一时长可以根据实际情况设定,例如,第一时长可以为半年、一个月、一季度、一年等。
在一个示例中,预设条件可以是根据基础数据中包含的基础参数设置的。基于此,在根据第一基础数据从第一特征数据中选取符合预设条件的目标特征数据时,可以先选取出满足预设条件的第一基础数据,然后再根据基础数据与特征数据之间的关联关系,从第一特征数据中选取出对应的特征数据作为目标特征数据。
在一个例子中,若第一基础数据中的基础参数包括温度,则预设条件为“特征数据属于目标温度区间”,基于此,选取出的目标特征数据就是第一特征数据中对应的基础数据中温度值属于目标温度区间的特征数据。其中,目标温度区间可以根据实际情况设定,比如可以为[-20,-10],[-10,0],[0,15],[15,45]等。
在另一个例子中,若第一基础数据中的基础参数包括SOC,则预设条件为“特征数据属于目标SOC区间”,基于此,选取出的目标特征数据就是第一特征数据中对应的基础数据中SOC值属于目标SOC区间的特征数据。其中,目标SOC区间可以根据实际情况设定。
需要说明的是,上述两种预设条件只是示例,除了上述两种预设条件,根据实际情况还可以设置其他预设条件,对此,本申请不作具体限定。
在一个示例中,对目标特征数据进行线性拟合可以为进行一次线性拟合。
在一个示例中,每项特征参数对应的阈值以及各阈值区间对应的参数异常程度可以是预先设置并存储的,因此可以直接获取。
一个例子,在拟合得到一个特征参数的斜率之后,获取与该特征参数对应的阈值一、阈值二和阈值三,上述三个阈值对应的四阈值区间分别为第一阈值区间(-∞,阈值一],第二区间(阈值一,阈值二],第三区间(阈值二,阈值三],第四区间(阈值三,+∞),其中,第一区别对应的参数异常程度为无异常,第二区间对应的参数异常程度为轻微异常,第三区间对应的参数异常程度为中度异常,第四区间对应的参数异常程度为重度异常。基于此,通过将斜率与阈值一、阈值二和阈值三进行比较,确定该斜率所属的阈值区间为第二区间,则确定该特征参数的异常程度为轻微异常。
通过上述方式确定出目标特征数据中所有特征参数的异常程度之后,可以根据目标特征数据中各项特征参数的异常程度确定,确定各项特征参数中是否存在异常程度不是无异常的特征参数,若存在,则确定目标电池存在内短路故障,否则,确定目标电池不存在内短路故障。
由上述内容可知,通过对目标电池的特征数据进行时间维度上的分析,确定各特征参数的变化趋势,根据变化趋势实现对内短路故障的判断,准确率高。
在另一些实施例中,在S24中,可以采用不同样本比较分析的方式来确定目标电池是否存在内短路故障。其中,不同样本比较分析指对于同型号不同电池的特征数据进行分析。
具体的,可以获取目标电池和多个第一电池在目标循环区间内的特征数据,其中,第一电池为与目标电池同型号的其他电池,循环区间为电池充放电循环次数的区间,然后对目标电池和多个第一电池在目标循环区间内的特征数据进行比较分析,以确定目标电池的特征数据与多个第一电池的特征数据之间是否存在显著差异,若确定目标电池的特征数据与多个第一电池的特征数据之间存在显著差异,则确定目标电池存在内短路故障。其中,目标循环区间可以根据实际情况设置,例如可以为[0,50],[50,100]等。
在一个示例中,为了提高检测结果的准确性。优选的,多个第一电池均为未发生内短路故障的正常电池。
在一个示例中,可以采用聚类算法或离群检测算法等无监督算法对电池目标电池和多个第一电池在目标循环区间内的特征数据进行比较分析,从而找出与其他大量电池存在显著差异的电池。其中,聚类算法可以采用k-means聚类、DBSCAN聚类等,离群检测算法可以采用3sigma筛选、箱型图筛选、基于距离异常检测、基于密度异常检测等。
由于同型号电池的物理化学特性几乎完全一致,所以正常情况下性能变化情况相似,因此,若特征数据差异显著则意味着存在故障。
一个例子,以对目标电池和多个第一电池在目标循环区间内的特征数据进行离群检测为例,若确定目标电池的特征数据离群时,就确定目标电池的特征数据与多个第一电池的特征数据之间存在显著差异,从而确定目标电池存在内短路故障。
通过上述比较分析的方式,可以快速确定出目标电池是否存在内短路故障。
作为本申请的另一种实现方式,为了可以对故障及时进行处理,如图3所示,在S24之后,还可以包括以下步骤:
S25.云端服务器在确定目标电池存在内短路故障的情况下,确定目标电池存在的内短路故障的故障等级。
在一个示例中,若S24是采用基于数据时间维度分析的方式来确定目标电池是否存在内短路故障,则在确定故障等级时,可以确定目标特征数据中存在的最严重的参数异常程度,其中,不同的参数异常程度对应不同的故障等级,将确定出的最严重的参数异常程度对应的故障等级作为目标电池的故障等级。
一个例子,比如参数异常程度的严重性从低到高依次为无异常-轻微异常-中度异常-重度异常,其中,无异常对应的故障等级为无故障,轻微异常对应的故障等级为轻微故障,中度异常对应的故障等级为中度故障,重度异常对应的故障等级为重度故障。基于此,若目标特征数据中即存在参数异常程度为轻微异常的特征参数,又存在参数异常程度为中度异常的特征参数,则确定其中最严重的参数异常程度为中度异常,并确定目标电池的故障等级为中度故障。
在另一个示例中,若S24采用不同样本比较分析的方式来确定目标电池是否存在内短路故障,则在确定故障等级时,可以确定目标电池的特征数据与多个第一电池的特征数据之间的差异程度,根据差异程度来确定目标电池的故障等级。
一个例子,若采用离群点检测的方式确定出目标电池的特征数据为离群数据,则确定该离群数据的离群程度,然后将离群程度与第一离群阈值和第二离群阈值进行比较,确定该离群程度所属的离群阈值区间,其中离群阈值区间包括(0,第一离群阈值],(第一离群阈值,第二离群阈值]以及(第二离群阈值,+∞),(0,第一离群阈值]对应的故障等级为轻微故障,(第一离群阈值,第二离群阈值]对应的故障等级为中度故障,(第二离群阈值,+∞)对应的故障等级为重度故障。基于此,若确定该离群程度所属的离群阈值区间为(第二离群阈值,+∞),则确定目标电池的故障等级为重度故障。
S26.云端服务器生成用于指示所述目标电池存在内短路故障的故障触发指令,并且将故障等级写入故障触发指令中。
S27.云端服务器将故障触发指令发送至电池管理***。
S28.电池管理***从预设的故障处理策略中,确定与故障触发指令中的故障等级对应的目标故障处理策略。
在一个示例中,电池管理***中预先设置并存储有各故障等级对应的故障处理策略,不同的故障等级对应的故障处理策略可能不同。例如轻微故障对应的故障处理策略可以为进行报警,中度故障等级对应的故障处理策略可以为进行报警并降低电池功率,重度故障等级对应的故障处理策略为进行报警并对电池进行禁用处理。基于此,在接收到云端服务器发送的故障触发指令之后,可以对故障触发指令进行解析,获取到其中包含的故障等级,然后从预先存储的故障处理策略中确定出与该故障等级对应的目标故障处理策略。
S29.电池管理***执行目标故障处理策略。
通过执行目标故障处理策略实现对电池的保护。
在本申请实施例中,在云端服务器检测出电池存在内短路故障之后,及时向电池管理***下发故障触发指令,便于电池管理***进行相应的处理,避免故障扩大,从而实现及时止损。
作为本申请的另一种实现方式,为了可以更好的应对突发性内短路故障,在S22之后,还可以包括以下步骤:
电池管理***确定目标电池的特征数据中是否存在异常特征参数,其中,异常特征参数为参数值满足预设的异常判断条件的特征参数,若确定特征数据中存在异常特征参数,并且确定连续n次计算得到的目标电池的特征数据中均存在该异常特征参数,则确定目标电池存在内短路故障,其中,n为预设的大于或等于1的整数值。
在一个示例中,在确定目标电池的特征数据中是否存在异常特征数据时,可以针对特征数据中的每项特征参数,将特征数据中该特征参数的参数值与对应的多个故障阈值进行比较,根据比较结果确定该参数值所属的故障阈值区间,其中不同的故障阈值区间对应不同的参数异常程度,进而便可以确定出该特征参数是否是异常特征参数。
例如,一个特征参数对应三个故障阈值,即故障阈值一、故障阈值二和故障阈值三,三个故障阈值对应的故障阈值区间分别为(-∞,故障阈值一],(故障阈值一,故障阈值二],(故障阈值二,故障阈值三]以及(故障阈值三,+∞),其中(-∞,故障阈值一]对应的参数异常程度为无异常,(故障阈值一,故障阈值二]对应的参数异常程度为轻微异常,(故障阈值二,故障阈值三]对应的参数异常程度为中度异常,(故障阈值三,+∞)对应的故障异常程度为重度异常。基于此,当确定特征参数的参数值属于(-∞,故障阈值一]时,就确定该特征参数的故障异常程度为无异常,进而确定该特征参数不是异常特征参数,否则,确定该特征参数为异常特征参数。
进一步的,为了可以及时止损,在电池管理***通过上述方式确定出目标电池存在内短路故障的情况下,可以进一步确定故障等级,然后从预设的故障处理策略中,确定与该故障等级对应的目标故障处理策略,并执行。
在一个示例中,还可以预先设置各参数异常等级对应的故障等级,比如轻微异常对应的故障等级为轻微故障,中度异常对应的故障等级为中度故障,重度异常对应的故障等级为重度异常。基于此,在确定故障等级时,可以确定n次计算得到的特征数据中所有异常特征参数中的最高参数异常程度,然后将最高参数异常程度对应的故障等级作为目标点出的故障等级。
本申请实施例,利用电池管理***延时低,反馈快的优点,可以更好的应对突发性内短路故障。
作为本申请的另一种实现方式,为了可以对内短路故障进行定位,在电池存在多个电芯的情况下,如图4所示,本申请实施例提供的电池内短路故障检测方法还可以包括以下步骤:
S41.电池管理***获取目标电池中各电芯的基础数据。
其中,基础数据包括至少一项基础参数的参数值,与S21中的基础数据类似,此处不再赘述。
S42.电池管理***获取针对目标电池中的每个所述电芯,根据电芯的基础数据计算得到电芯的特征数据。
其中,所述特征数据包括至少一项特征参数的参数值,所述特征参数为与电池内短路相关的参数,与S22中的特征数据类似,此处不再赘述。
S43.电池管理***将目标电池中各电芯的基础数据和特征数据均上传至云端服务器。
采用与S23类似的方式上传,此处不再赘述。
S44.云端服务器在确定目标电池存在内短路故障的情况下,根据目标电池中各电芯的基础数据和/或特征数据对内短路故障进行电芯定位,确定目标电池中发生内短路故障的电芯。
在一个示例中,在根据目标电池中各电芯的基础数据和/或特征数据对内短路故障进行电芯定位,确定目标电池中发生内短路故障的电芯时,可以获取目标电池各电芯的特征数据,然后对获取的特征数据进行比较分析,确定出特征数据与其他电芯的特征数据存在显著差异的目标电芯,将目标电芯确定为发生内短路故障的电芯。
在一个示例中,可以采用聚类算法或离群检测算法等无监督算法对获取的各电芯的特征数据比较分析,从而找出特征数据与其他电芯的特征数据存在显著差异的电芯。其中,聚类算法可以采用k-means聚类、DBSCAN聚类等,离群检测算法可以采用3sigma筛选、箱型图筛选、基于距离异常检测、基于密度异常检测等。
由于同一个电池中多个电芯的物理化学特性几乎完全一致,所以正常情况下性能变化情况相似,因此,若电芯的特征数据与其他电芯的特征数据差异显著则意味着该电芯存在故障。
通过上述方式,可以实现对故障的定位,便于后续进行故障排查。
基于上述实施例提供的电池内短路故障检测方法,相应地,本申请还提供了电池内短路故障检测装置的具体实现方式。请参见以下实施例。
首先参见图5,为本申请实施例提供的电池内短路故障检测装置的示意图,该装置可以应用于电池管理***,如图5所示,该装置可以包括以下单元:
第一获取单元501,用于获取目标电池的基础数据,其中,基础数据包括至少一项基础参数的参数值;
第一计算单元502,用于根据基础数据计算得到目标电池的特征数据,其中,特征数据包括至少一项特征参数的参数值,特征参数为与电池内短路相关的参数;
第一上传单元503,用于将基础数据和特征数据上传至云端服务器,以使云端服务器基于基础数据和特征数据对目标电池进行内短路故障检测。
本申请实施例提供的一种电池内短路故障检测装置,由电池管理***获取目标电池的基础数据,并基于基础数据计算得到目标电池的特征数据,其中基础数据包括至少一项基础参数的参数值,特征数据包括至少一项与内短路相关的特征参数的特征值,然后将基础数据和特征数据上传至云端服务器,由云端服务器根据基础数据和特征数据对目标电池进行内短路故障检测。根据本申请实施例,通过将基础数据和特征数据发送至云端服务器进行处理,减少了内短路故障检测时电池管理***所需的算力和存储力,从而解决了由于电池管理***中存储力和算力不足导致的内短路故障检测效果受限的问题。并且,根据本申请实施例,由电池管理***完成对特征数据的计算,解决了在云端服务器中进行特征数据计算时,由于数据上传效率较低导致的特征数据误差大的问题,保证了特征数据的准确性,进而提高了电池内短路故障检测结果的准确性。
作为一种可能的实现方式,上述装置还可以包括:
接收单元,用于接收云端服务器发送的故障触发指令,其中,故障触发指令指示目标电池存在内短路故障,并且故障触发指令中包含故障等级;
处理单元,用于从预设的故障处理策略中,确定与故障等级对应的目标故障处理策略,并执行目标故障处理策略。
作为一种可能的实现方式,上述装置还可以包括:故障判断单元,用于在根据基础数据计算得到目标电池的特征数据之后,确定特征数据中是否存在异常特征参数,其中,异常特征参数为参数值满足预设的异常判断条件的特征参数;
若确定特征数据中存在异常特征参数,并且确定连续n次计算得到的目标电池的特征数据中均存在该异常特征参数,则确定目标电池存在内短路故障,其中,n为大于或等于1的整数值。
作为一种可能的实现方式,在目标电池包括多个电芯的情况下,上述装置还可以包括:
第二获取单元,用于获取目标电池中各电芯的基础数据,其中,基础数据包括至少一项基础参数的参数值;
第二计算单元,用于针对每个电芯,根据电芯的基础数据计算得到电芯的特征数据,其中,特征数据包括至少一项特征参数的参数值,特征参数为与电池内短路相关的参数;
第二上传单元,用于将目标电池中各电芯的基础数据和特征数据均上传至云端服务器,以使云端服务器基于各电芯的基础数据和特征数据对目标电池进行内短路故障定位。
作为一种可能的实现方式,至少一项特征参数包括内阻、漏电流和/或电量积分量。
参见图6,为本申请实施例提供的电池内短路故障检测装置的示意图,该装置可以应用于云端服务器,如图6所示,该装置可以包括以下单元:
第一接收单元601,用于接收电池管理***上传的电池的基础数据和特征数据,其中,基础数据包括至少一项基础参数的参数值,特征数据包括至少一项特征参数的参数值,特征参数为与电池内短路相关的参数。
检测单元602,用于根据基础数据和特征数据对目标电池进行内短路故障检测,得到目标电池的内短路故障检测结果。
本申请实施例提供的一种电池内短路故障检测装置,由电池管理***获取目标电池的基础数据,并基于基础数据计算得到目标电池的特征数据,其中基础数据包括至少一项基础参数的参数值,特征数据包括至少一项与内短路相关的特征参数的特征值,然后将基础数据和特征数据上传至云端服务器,由云端服务器根据基础数据和特征数据对目标电池进行内短路故障检测。根据本申请实施例,通过将基础数据和特征数据发送至云端服务器进行处理,减少了内短路故障检测时电池管理***所需的算力和存储力,从而解决了由于电池管理***中存储力和算力不足导致的内短路故障检测效果受限的问题。并且,根据本申请实施例,由电池管理***完成对特征数据的计算,解决了在云端服务器中进行特征数据计算时,由于数据上传效率较低导致的特征数据误差大的问题,保证了特征数据的准确性,进而提高了电池内短路故障检测结果的准确性。
作为一种可能的实现方式,检测单元602用于:
获取目标电池在第一时长内的第一基础数据和第一特征数据;
根据第一基础数据从第一特征数据中选取符合预设条件的目标特征数据;
针对目标特征数据中的每项特征参数,对特征参数的参数值进行线性拟合,得到该特征参数的斜率;
将该特征参数的斜率与该特征参数对应的多个阈值进行比较,确定斜率所属的阈值区间,其中,不同的阈值区间对应不同的参数异常程度;
将斜率所属的阈值区间对应的参数异常程度作为该特征参数的异常程度;
若确定目标特征数据中存在异常程度不是无异常的特征参数,则确定目标电池存在内短路故障。
作为一种可能的实现方式,检测单元602用于:
获取目标电池和多个第一电池在目标循环区间内的特征数据,第一电池为与目标电池同型号的其他电池,其中,循环区间为电池充放电循环次数的区间;
对目标电池和多个第一电池在目标循环区间内的特征数据进行比较分析,以确定目标电池的特征数据与多个第一电池的特征数据之间是否存在显著差异;
若确定目标电池的特征数据与多个第一电池的特征数据之间存在显著差异,则确定目标电池存在内短路故障。
作为一种可能的实现方式,上述装置还可以包括:
故障等级确定单元,用于在确定目标电池存在内短路故障的情况下,确定目标电池存在的内短路故障的故障等级;
指令生成单元,用于生成用于指示目标电池存在内短路故障的故障触发指令,并且将故障等级写入故障触发指令中;
发送单元,用于将故障触发指令发送至电池管理***。
作为一种可能的实现方式,在目标电池包括多个电芯的情况下,上述装置还可以包括:
第二接收单元,用于接收电池管理***上传的目标电池中各电芯的基础数据和特征数据;
故障定位单元,用于在确定目标电池存在内短路故障的情况下,根据目标电池中各电芯的基础数据和/或特征数据对内短路故障进行电芯定位,确定目标电池中发生内短路故障的电芯。
作为一种可能的实现方式,故障定位单元,用于:
获取各电芯的特征数据;
对获取的特征数据进行比较分析,确定出特征数据与其他电芯的特征数据存在显著差异的目标电芯;
将目标电芯确定为发生内短路故障的电芯。
图7示出了本申请实施例提供的电池内短路故障检测设备的硬件结构示意图。
在电池内短路故障检测设备可以包括处理器701以及存储有计算机程序指令的存储器702。
具体地,上述处理器701可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器702可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器702可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器702可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器702可在综合网关容灾设备的内部或外部。在特定实施例中,存储器702是非易失性固态存储器。
存储器702可包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器702包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本公开的一方面的方法所描述的操作。
处理器701通过读取并执行存储器702中存储的计算机程序指令,以实现上述实施例中的任意一种电池内短路故障检测方法。
在一个示例中,电池内短路故障检测设备还可包括通信接口703和总线710。其中,如图7所示,处理器701、存储器702、通信接口703通过总线310连接并完成相互间的通信。
通信接口703,主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线710包括硬件、软件或两者,将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、***组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线710可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
另外,结合上述实施例中的电池内短路故障检测方法,本申请实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种电池内短路故障检测方法。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或***。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,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,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本申请的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的***、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (13)
1.一种电池内短路故障检测方法,其特征在于,应用于电池管理***,所述方法包括:
获取目标电池的基础数据,其中,所述基础数据包括至少一项基础参数的参数值;
根据所述基础数据计算得到所述目标电池的特征数据,其中,所述特征数据包括至少一项特征参数的参数值,所述特征参数为与电池内短路相关的参数;
将所述基础数据和所述特征数据上传至云端服务器,以使所述云端服务器基于所述基础数据和所述特征数据对所述目标电池进行内短路故障检测。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
接收所述云端服务器发送的故障触发指令,其中,所述故障触发指令指示所述目标电池存在内短路故障,并且所述故障触发指令中包含故障等级;
从预设的故障处理策略中,确定与所述故障等级对应的目标故障处理策略;
执行所述目标故障处理策略。
3.根据权利要求1所述的方法,其特征在于,所述根据所述基础数据计算得到所述目标电池的特征数据之后,所述方法还包括:
确定所述特征数据中是否存在异常特征参数,其中,所述异常特征参数为参数值满足预设的异常判断条件的特征参数;
若确定所述特征数据中存在异常特征参数,并且确定连续n次计算得到的所述目标电池的特征数据中均存在该异常特征参数,则确定所述目标电池存在内短路故障,其中,n为大于或等于1的整数值。
4.根据权利要求1所述方法,其特征在于,在所述目标电池包括多个电芯的情况下,所述方法还包括:
获取所述目标电池中各电芯的基础数据,其中,所述基础数据包括至少一项基础参数的参数值;
针对每个所述电芯,根据所述电芯的基础数据计算得到所述电芯的特征数据,其中,所述特征数据包括至少一项特征参数的参数值,所述特征参数为与电池内短路相关的参数;
将所述目标电池中各所述电芯的基础数据和特征数据均上传至云端服务器,以使所述云端服务器基于各所述电芯的基础数据和特征数据对所述目标电池进行内短路故障定位。
5.根据权利要求1所述的方法,其特征在于,所述至少一项特征参数包括内阻、漏电流和/或电量积分量。
6.一种电池内短路故障检测方法,其特征在于,应用于云端服务器,所述方法包括:
接收电池管理***上传的电池的基础数据和特征数据,其中,所述基础数据包括至少一项基础参数的参数值,所述特征数据包括至少一项特征参数的参数值,所述特征参数为与电池内短路相关的参数;
根据所述基础数据和所述特征数据对所述目标电池进行内短路故障检测,得到所述目标电池的内短路故障检测结果。
7.根据权利要求6所述的方法,其特征在于,所述根据所述基础数据和所述特征数据对所述目标电池进行内短路故障检测,得到所述目标电池的内短路故障检测结果,包括:
获取所述目标电池在第一时长内的第一基础数据和第一特征数据;
根据所述第一基础数据从所述第一特征数据中选取符合预设条件的目标特征数据;
针对所述目标特征数据中的每项特征参数,对所述特征参数的参数值进行线性拟合,得到所述特征参数的斜率;
将所述特征参数的斜率与所述特征参数对应的多个阈值进行比较,确定所述斜率所属的阈值区间,其中,不同的阈值区间对应不同的参数异常程度;
将所述斜率所属的阈值区间对应的参数异常程度作为所述特征参数的异常程度;
若确定所述目标特征数据中存在异常程度不是无异常的特征参数,则确定所述目标电池存在内短路故障。
8.根据权利要求6所述的方法,其特征在于,所述根据所述基础数据和所述特征数据对所述目标电池进行内短路故障检测,得到所述目标电池的内短路故障检测结果,包括:
获取所述目标电池和多个第一电池在目标循环区间内的特征数据,所述第一电池为与所述目标电池同型号的其他电池,其中,循环区间为电池充放电循环次数的区间;
对所述目标电池和多个所述第一电池在目标循环区间内的特征数据进行比较分析,以确定所述目标电池的特征数据与多个所述第一电池的特征数据之间是否存在显著差异;
若确定所述目标电池的特征数据与多个所述第一电池的特征数据之间存在显著差异,则确定所述目标电池存在内短路故障。
9.根据权利要求6所述的方法,其特征在于,所述方法还包括:
在确定所述目标电池存在内短路故障的情况下,确定所述目标电池存在的内短路故障的故障等级;
生成用于指示所述目标电池存在内短路故障的故障触发指令,并且将所述故障等级写入所述故障触发指令中;
将所述故障触发指令发送至所述电池管理***。
10.根据权利要求6所述方法,其特征在于,在所述目标电池包括多个电芯的情况下,所述方法还包括:
接收所述电池管理***上传的所述目标电池中各所述电芯的基础数据和特征数据;
在确定所述目标电池存在内短路故障的情况下,根据所述目标电池中各所述电芯的基础数据和/或特征数据对所述内短路故障进行电芯定位,确定所述目标电池中发生内短路故障的电芯。
11.根据权利要求10所述的方法,其特征在于,所述根据所述目标电池中各所述电芯的基础数据和/或特征数据对所述内短路故障进行电芯定位,包括:
获取各所述电芯的特征数据;
对获取的所述特征数据进行比较分析,确定出特征数据与其他电芯的特征数据存在显著差异的目标电芯;
将所述目标电芯确定为发生内短路故障的电芯。
12.一种电池内短路故障检测装置,其特征在于,应用于电池管理***,所述装置包括:
第一获取单元,用于获取目标电池的基础数据,其中,所述基础数据包括至少一项基础参数的参数值;
第一计算单元,用于根据所述基础数据计算得到所述目标电池的特征数据,其中,所述特征数据包括至少一项特征参数的参数值,所述特征参数为与电池内短路相关的参数;
第一上传单元,用于将所述基础数据和所述特征数据上传至云端服务器,以使所述云端服务器基于所述基础数据和所述特征数据对所述目标电池进行内短路故障检测。
13.一种电池内短路故障检测装置,其特征在于,应用于云端服务器,所述装置包括:
第一接收单元,用于接收电池管理***上传的电池的基础数据和特征数据,其中,所述基础数据包括至少一项基础参数的参数值,所述特征数据包括至少一项特征参数的参数值,所述特征参数为与电池内短路相关的参数;
检测单元,用于根据所述基础数据和所述特征数据对所述目标电池进行内短路故障检测,得到所述目标电池的内短路故障检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210785686.4A CN115144765A (zh) | 2022-07-05 | 2022-07-05 | 电池内短路故障检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210785686.4A CN115144765A (zh) | 2022-07-05 | 2022-07-05 | 电池内短路故障检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115144765A true CN115144765A (zh) | 2022-10-04 |
Family
ID=83411824
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210785686.4A Pending CN115144765A (zh) | 2022-07-05 | 2022-07-05 | 电池内短路故障检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115144765A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116794542A (zh) * | 2023-06-06 | 2023-09-22 | 东莞市腾威动力新能源有限公司 | 一种储能电池短路检测和保护的方法及*** |
CN117930027A (zh) * | 2024-03-18 | 2024-04-26 | 中国汽车技术研究中心有限公司 | 一种动力电池容量异常检测方法、装置及平台 |
CN118091488A (zh) * | 2024-04-24 | 2024-05-28 | 宁德时代新能源科技股份有限公司 | 加热膜短接故障检测方法、装置、设备、存储介质和程序产品 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112993426A (zh) * | 2021-02-03 | 2021-06-18 | 武汉蔚能电池资产有限公司 | 基于停车工况的动力电池热失控预警***及预警方法 |
CN113135115A (zh) * | 2021-03-30 | 2021-07-20 | 广州小鹏汽车科技有限公司 | 检测电池***短路的方法、装置、车辆及存储介质 |
US20210239766A1 (en) * | 2020-02-04 | 2021-08-05 | Samsung Electronics Co., Ltd. | Method and system for detecting operating status of battery |
CN113848489A (zh) * | 2021-09-10 | 2021-12-28 | 欣旺达电动汽车电池有限公司 | 电池的短路识别方法、装置及存储介质 |
CN113866669A (zh) * | 2020-06-30 | 2021-12-31 | 宁德时代新能源科技股份有限公司 | 电芯内部短路故障的检测方法、装置、设备和介质 |
CN114200323A (zh) * | 2021-11-22 | 2022-03-18 | 深圳锂安技术有限公司 | 电池短路故障预警信息生成方法和装置、设备、介质 |
CN114487839A (zh) * | 2020-10-27 | 2022-05-13 | 北京昇科能源科技有限责任公司 | 一种电池的预警方法及装置 |
-
2022
- 2022-07-05 CN CN202210785686.4A patent/CN115144765A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210239766A1 (en) * | 2020-02-04 | 2021-08-05 | Samsung Electronics Co., Ltd. | Method and system for detecting operating status of battery |
CN113866669A (zh) * | 2020-06-30 | 2021-12-31 | 宁德时代新能源科技股份有限公司 | 电芯内部短路故障的检测方法、装置、设备和介质 |
CN114487839A (zh) * | 2020-10-27 | 2022-05-13 | 北京昇科能源科技有限责任公司 | 一种电池的预警方法及装置 |
CN112993426A (zh) * | 2021-02-03 | 2021-06-18 | 武汉蔚能电池资产有限公司 | 基于停车工况的动力电池热失控预警***及预警方法 |
CN113135115A (zh) * | 2021-03-30 | 2021-07-20 | 广州小鹏汽车科技有限公司 | 检测电池***短路的方法、装置、车辆及存储介质 |
CN113848489A (zh) * | 2021-09-10 | 2021-12-28 | 欣旺达电动汽车电池有限公司 | 电池的短路识别方法、装置及存储介质 |
CN114200323A (zh) * | 2021-11-22 | 2022-03-18 | 深圳锂安技术有限公司 | 电池短路故障预警信息生成方法和装置、设备、介质 |
Non-Patent Citations (1)
Title |
---|
张维戈 等: "轨道交通动力电池***核心技术", 31 January 2021, 北京交通大学出版社, pages: 97 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116794542A (zh) * | 2023-06-06 | 2023-09-22 | 东莞市腾威动力新能源有限公司 | 一种储能电池短路检测和保护的方法及*** |
CN116794542B (zh) * | 2023-06-06 | 2024-01-16 | 东莞市腾威动力新能源有限公司 | 一种储能电池短路检测和保护的方法及*** |
CN117930027A (zh) * | 2024-03-18 | 2024-04-26 | 中国汽车技术研究中心有限公司 | 一种动力电池容量异常检测方法、装置及平台 |
CN118091488A (zh) * | 2024-04-24 | 2024-05-28 | 宁德时代新能源科技股份有限公司 | 加热膜短接故障检测方法、装置、设备、存储介质和程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110133508B (zh) | 电动汽车动力电池的安全预警方法 | |
CN115144765A (zh) | 电池内短路故障检测方法及装置 | |
CN110018425B (zh) | 一种动力电池故障诊断方法及*** | |
Li et al. | Fault diagnosis for lithium-ion batteries in electric vehicles based on signal decomposition and two-dimensional feature clustering | |
CN109031138B (zh) | 一种动力电池的安全评估方法和装置 | |
CN112098850B (zh) | 基于sdo算法的锂离子电池电压故障诊断方法及*** | |
CN111146514A (zh) | 锂离子电池模组运行安全性评估预测方法、***及电子设备 | |
CN115184808B (zh) | 电池热失控风险检测方法、装置、设备及计算机存储介质 | |
WO2022001197A1 (zh) | 电芯内部短路故障的检测方法、装置、设备和介质 | |
CN113415165B (zh) | 一种故障诊断方法、装置、电子设备及存储介质 | |
CN116973782B (zh) | 基于机器学习的新能源汽车保养维护与故障监测诊断方法 | |
CN114487856A (zh) | 换电站电池的热失控预警方法及*** | |
CN115384311A (zh) | 诊断动力电池绝缘故障方法、***、车辆及存储介质 | |
CN112345955A (zh) | 一种动力电池多故障在线诊断方法与*** | |
CN115097319A (zh) | 一种动力电池组故障在线诊断方法及*** | |
CN110874693A (zh) | 一种电池包异常工况的确定方法、检测方法以及装置 | |
CN114690047A (zh) | 电池故障检测方法、***、装置及设备 | |
CN114506247B (zh) | 一种云端协同控制的动力电池主动热管理*** | |
CN113884884B (zh) | 一种基于相关性的动力电池组故障诊断方法及*** | |
CN117371670B (zh) | 一种新能源电动汽车充电桩的可靠性分析*** | |
Gu et al. | A precise minor-fault diagnosis method for lithium-ion batteries based on phase plane sample entropy | |
CN113935423A (zh) | 耦合模糊控制规则与Elman神经网络的动力电池故障预警方法与*** | |
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 | |
CN117805649A (zh) | 基于soh量化电池容量衰减对异常电芯进行识别的方法 | |
CN115248379A (zh) | 一种基于多场景融合的动力电池微短路诊断方法及*** |
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 |