CN117117356B - 一种储能电池组热失控监测溯源方法及*** - Google Patents
一种储能电池组热失控监测溯源方法及*** Download PDFInfo
- Publication number
- CN117117356B CN117117356B CN202311378203.XA CN202311378203A CN117117356B CN 117117356 B CN117117356 B CN 117117356B CN 202311378203 A CN202311378203 A CN 202311378203A CN 117117356 B CN117117356 B CN 117117356B
- Authority
- CN
- China
- Prior art keywords
- information
- air pressure
- temperature
- thermal runaway
- traceability
- 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.)
- Active
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 156
- 238000012544 monitoring process Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 43
- 239000007789 gas Substances 0.000 claims description 250
- 238000004458 analytical method Methods 0.000 claims description 72
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 22
- 238000012163 sequencing technique Methods 0.000 claims description 14
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 5
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 5
- 239000001569 carbon dioxide Substances 0.000 claims description 5
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 5
- 229910052739 hydrogen Inorganic materials 0.000 claims description 5
- 239000001257 hydrogen Substances 0.000 claims description 5
- 125000004435 hydrogen atom Chemical class [H]* 0.000 claims 1
- 238000012360 testing method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000012896 Statistical algorithm Methods 0.000 description 3
- 150000002431 hydrogen Chemical class 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012983 electrochemical energy storage Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- PQXKHYXIUOZZFA-UHFFFAOYSA-M lithium fluoride Chemical compound [Li+].[F-] PQXKHYXIUOZZFA-UHFFFAOYSA-M 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- KLARSDUHONHPRF-UHFFFAOYSA-N [Li].[Mn] Chemical compound [Li].[Mn] KLARSDUHONHPRF-UHFFFAOYSA-N 0.000 description 1
- BNOODXBBXFZASF-UHFFFAOYSA-N [Na].[S] Chemical compound [Na].[S] BNOODXBBXFZASF-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- FUJCRWPEOMXPAD-UHFFFAOYSA-N lithium oxide Chemical compound [Li+].[Li+].[O-2] FUJCRWPEOMXPAD-UHFFFAOYSA-N 0.000 description 1
- 229910001947 lithium oxide Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004454 trace mineral analysis Methods 0.000 description 1
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
-
- 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
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/4207—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells for several batteries or cells simultaneously or sequentially
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/4285—Testing apparatus
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供了一种储能电池组热失控监测溯源方法及***,涉及电池组技术领域,方法包括:按照温度阈值、气压阈值进行热失控隐患判别储能电池组热失控情况,在第一判别结果为是时采集多个电池电源的多个温度信息序列和多个气体信息序列,按照预设温度变化趋势和预设气压变化趋势,进行热失控早期匹配判别,在第二判别结果为是时提取多个电池单元的温度或气压达到所述温度阈值或气压阈值的时间信息,获得多个第一溯源评级、第二溯源评级,计算多个电池单元的溯源评级输出溯源结果,解决现有技术缺乏管控储能电池组的热失控导致储能电池组易出现热失控的技术问题,实现对储能电池组热失控进行精准监测溯源,降低储能电池组出现热失控的情况。
Description
技术领域
本发明涉及电池组技术领域,具体涉及一种储能电池组热失控监测溯源方法及***。
背景技术
随着储能行业飞速发展,其中也蕴含着巨大的风险。据不完全统计,近十年来,全球共发生了超过30起电化学储能电站安全事故,绝大部分发生于近5年,电化学储能安全形势不容乐观。
尽管储能电站起火的原因众多,但电池本身的热失控,以及电池模块和***的热失控扩散,是行业目前关注的焦点,同时在现有技术中缺乏对储能电池组的热失控进行管控,导致储能电池组易出现热失控的技术问题。
发明内容
本申请提供了一种储能电池组热失控监测溯源方法及***,用于针对解决现有技术中存在的缺乏对储能电池组的热失控进行管控,导致储能电池组易出现热失控的技术问题。
鉴于上述问题,本申请提供了一种储能电池组热失控监测溯源方法及***。
第一方面,本申请提供了一种储能电池组热失控监测溯源方法,所述方法包括:基于热失控监测模块和热失控判别模块,通过温度传感器阵列和气体传感器阵列,采集储能电池组内多个电池电源的温度信息和气体信息,并按照温度阈值、气压阈值进行热失控隐患判别,获得第一判别结果,其中,气体信息包括气压和多个指定气体的气体浓度信息;在第一判别结果为是时,在额定时间窗口内,采集多个电池电源的多个温度信息序列和多个气体信息序列;根据所述多个温度信息序列和多个气体信息序列内的气压信息序列,按照预设温度变化趋势和预设气压变化趋势,进行热失控早期匹配判别,获得第二判别结果;在第二判别结果为是时,通过热失控溯源模块,提取多个电池单元的温度或气压达到所述温度阈值或气压阈值的时间信息,以及多个温度信息序列和多个气压信息序列与所述预设温度变化趋势和预设气压变化趋势的多个匹配程度,基于多个时间信息多个匹配程度,进行热失控溯源分析,获得多个第一溯源评级;提取所述多个气体信息序列内的多个气体浓度信息序列集,按照所述多个指定气体的多个预设气体浓度变化趋势,进行气体浓度变化热失控溯源分析,获得多个第二溯源评级;基于多个第一溯源评级和多个第二溯源评级,计算获得多个电池单元的溯源评级,并根据多个溯源评级输出溯源结果。
第二方面,本申请提供了一种储能电池组热失控监测溯源***,所述***包括:第一判别模块,所述第一判别模块用于基于热失控监测模块和热失控判别模块,通过温度传感器阵列和气体传感器阵列,采集储能电池组内多个电池电源的温度信息和气体信息,并按照温度阈值、气压阈值进行热失控隐患判别,获得第一判别结果,其中,气体信息包括气压和多个指定气体的气体浓度信息;序列采集模块,所述序列采集模块用于在第一判别结果为是时,在额定时间窗口内,采集多个电池电源的多个温度信息序列和多个气体信息序列;第二判别模块,所述第二判别模块用于根据所述多个温度信息序列和多个气体信息序列内的气压信息序列,按照预设温度变化趋势和预设气压变化趋势,进行热失控早期匹配判别,获得第二判别结果;第一分析模块,所述第一分析模块用于在第二判别结果为是时,通过热失控溯源模块,提取多个电池单元的温度或气压达到所述温度阈值或气压阈值的时间信息,以及多个温度信息序列和多个气压信息序列与所述预设温度变化趋势和预设气压变化趋势的多个匹配程度,基于多个时间信息多个匹配程度,进行热失控溯源分析,获得多个第一溯源评级;第二分析模块,所述第二分析模块用于提取所述多个气体信息序列内的多个气体浓度信息序列集,按照所述多个指定气体的多个预设气体浓度变化趋势,进行气体浓度变化热失控溯源分析,获得多个第二溯源评级;计算模块,所述计算模块用于基于多个第一溯源评级和多个第二溯源评级,计算获得多个电池单元的溯源评级,并根据多个溯源评级输出溯源结果。
第三方面,一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:基于热失控监测模块和热失控判别模块,通过温度传感器阵列和气体传感器阵列,采集储能电池组内多个电池电源的温度信息和气体信息,并按照温度阈值、气压阈值进行热失控隐患判别,获得第一判别结果,其中,气体信息包括气压和多个指定气体的气体浓度信息;在第一判别结果为是时,在额定时间窗口内,采集多个电池电源的多个温度信息序列和多个气体信息序列;根据所述多个温度信息序列和多个气体信息序列内的气压信息序列,按照预设温度变化趋势和预设气压变化趋势,进行热失控早期匹配判别,获得第二判别结果;在第二判别结果为是时,通过热失控溯源模块,提取多个电池单元的温度或气压达到所述温度阈值或气压阈值的时间信息,以及多个温度信息序列和多个气压信息序列与所述预设温度变化趋势和预设气压变化趋势的多个匹配程度,基于多个时间信息多个匹配程度,进行热失控溯源分析,获得多个第一溯源评级;提取所述多个气体信息序列内的多个气体浓度信息序列集,按照所述多个指定气体的多个预设气体浓度变化趋势,进行气体浓度变化热失控溯源分析,获得多个第二溯源评级;基于多个第一溯源评级和多个第二溯源评级,计算获得多个电池单元的溯源评级,并根据多个溯源评级输出溯源结果。
第四方面,一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:基于热失控监测模块和热失控判别模块,通过温度传感器阵列和气体传感器阵列,采集储能电池组内多个电池电源的温度信息和气体信息,并按照温度阈值、气压阈值进行热失控隐患判别,获得第一判别结果,其中,气体信息包括气压和多个指定气体的气体浓度信息;在第一判别结果为是时,在额定时间窗口内,采集多个电池电源的多个温度信息序列和多个气体信息序列;根据所述多个温度信息序列和多个气体信息序列内的气压信息序列,按照预设温度变化趋势和预设气压变化趋势,进行热失控早期匹配判别,获得第二判别结果;在第二判别结果为是时,通过热失控溯源模块,提取多个电池单元的温度或气压达到所述温度阈值或气压阈值的时间信息,以及多个温度信息序列和多个气压信息序列与所述预设温度变化趋势和预设气压变化趋势的多个匹配程度,基于多个时间信息多个匹配程度,进行热失控溯源分析,获得多个第一溯源评级;提取所述多个气体信息序列内的多个气体浓度信息序列集,按照所述多个指定气体的多个预设气体浓度变化趋势,进行气体浓度变化热失控溯源分析,获得多个第二溯源评级;基于多个第一溯源评级和多个第二溯源评级,计算获得多个电池单元的溯源评级,并根据多个溯源评级输出溯源结果。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请提供的一种储能电池组热失控监测溯源方法及***,涉及电池组技术领域,解决了现有技术中缺乏对储能电池组的热失控进行管控,导致储能电池组易出现热失控的技术问题,实现了对储能电池组的热失控进行合理化精准监测溯源,降低储能电池组出现热失控的情况。
附图说明
图1为本申请提供了一种储能电池组热失控监测溯源方法流程示意图;
图2为本申请提供了一种储能电池组热失控监测溯源方法中获得多个第一溯源评级流程示意图;
图3为本申请提供了一种储能电池组热失控监测溯源方法中获得多个第二溯源评级流程示意图;
图4为本申请提供了一种储能电池组热失控监测溯源***结构示意图;
图5为一个实施例中计算机设备的内部结构图。
附图标记说明:第一判别模块1,序列采集模块2,第二判别模块3,第一分析模块4,第二分析模块5,计算模块6。
具体实施方式
本申请通过提供一种储能电池组热失控监测溯源方法及***,用于解决现有技术中缺乏对储能电池组的热失控进行管控,导致储能电池组易出现热失控的技术问题。
实施例一
如图1所示,本申请实施例提供了一种储能电池组热失控监测溯源方法,该方法应用于一储能电池组热失控监测溯源装置,所述装置包括布设于储能电池组内多个电池单元的温度传感器阵列和气体传感器阵列,以及热失控监测模块、热失控判别模块和热失控溯源模块,该方法包括:
步骤A100:基于热失控监测模块和热失控判别模块,通过温度传感器阵列和气体传感器阵列,采集储能电池组内多个电池电源的温度信息和气体信息,并按照温度阈值、气压阈值进行热失控隐患判别,获得第一判别结果,其中,气体信息包括气压和多个指定气体的气体浓度信息;
进一步而言,本申请步骤A100还包括:
步骤A110:通过温度传感器阵列和气体传感器阵列,持续采集储能电池组内多个电池电源的温度信息和气体信息,并获取气体信息内的气压信息;
步骤A120:基于储能电池组热失控早期的历史检测数据,获取温度阈值和气压阈值;
步骤A130:分别判别任意一个温度信息或任意一个气压信息是否大于等于所述温度阈值或气压阈值,获得第一判别结果。
在本申请中,本申请实施例提供的一种储能电池组热失控监测溯源方法应用于一储能电池组热失控监测溯源装置,所述装置包括布设于储能电池组内多个电池单元的温度传感器阵列和气体传感器阵列,以及热失控监测模块、热失控判别模块和热失控溯源模块。
以热失控监测模块与热失控判别模块作为基础,通过温度传感器阵列以及气体传感器阵列对储能电池组内多个电池电源的温度信息和气体信息进行采集,该热失控监测模块用于进行储能电池组内是否存在热失控特征的监测模块,该热失控判别模块用于进行储能电池组内是否存在热失控进行判断的模块,该温度传感器阵列是指按照一定的顺序对温度传感器进行排列构成的具有对储能电池组内的温度数据进行感知集成后,对储能电池组内的实时温度数据采集和提取,气体传感器阵列是指按照一定的顺序对气体传感器进行排列构成的具有对储能电池组内的气体数据进行感知集成后,对储能电池组内的实时提起数据采集和提取。
进一步的,通过温度传感器阵列和气体传感器阵列,持续对储能电池组内多个电池电源的温度信息和气体信息进行采集,多个电池电源的温度信息是根据储能电池组的电池属性所确定的,示例性的,若储能电池组为钠硫电池,则其温度信息可以在300℃左右,若储能电池组为锂离子电池,则其温度信息可以是-20℃至60℃,多个电池电源的气体信息是根据储能电池组的不同电池原理所确定的,其气体信息可以是氟化锂、氧化锂、锂酸锰等,且在气体信息中包括气压和多个指定气体的气体浓度信息,并将气体信息代入气体压力公式中获取气体信息内的气压信息,进一步的通过采集储能电池组热失控早期的历史检测数据,对储能电池组的温度阈值和气压阈值进行确定,该温度阈值与气压阈值是用于判断储能电池组内的温度信息与气压信息是否达到储能电池组内的电池热失控的阈值,因此温度阈值与气压阈值是根据储能电池组内的电池热失控临界值进行设定,从而按照温度阈值、气压阈值对储能电池组的热失控隐患进行判别,是指分别判断储能电池组内任意一个温度信息、任意一个气压信息是否达到温度阈值、气压阈值,从而将该判断结果作为第一判别结果,第一判别结果可以包含4类数据:
数据1:储能电池组内任意一个温度信息未达到温度阈值,任意一个气压信息未达到气压阈值;
数据2:储能电池组内任意一个温度信息未达到温度阈值,任意一个气压信息达到气压阈值;
数据3:储能电池组内任意一个温度信息达到温度阈值,任意一个气压信息未达到气压阈值;
数据4:储能电池组内任意一个温度信息达到温度阈值,任意一个气压信息达到气压阈值;
进而根据第一判别结果为后期实现对储能电池组的热失控进行监测溯源作为重要参考依据。
步骤A200:在第一判别结果为是时,在额定时间窗口内,采集多个电池电源的多个温度信息序列和多个气体信息序列;
在本申请中,当上述所获第一判别结果为是时,则视为此时储能电池组内任意一个温度信息达到温度阈值,任意一个气压信息达到气压阈值,是指储能电池组存在热失控隐患,从而需要对储能电池组内所包含的所有电池依次进行温度信息以及气体信息的采集,可以通过布设于储能电池组内多个电池单元的温度传感器阵列对储能电池组内的所有电池块进行温度数据感知的信息传感,从而获取储能电池组内每个电池块的温度信息,并将传感所获的温度信息按照电池块在储能电池组中的排列顺序进行排布,由此获得多个温度信息序列,
进一步的,通过布设于储能电池组内多个电池单元的气体传感器阵列对储能电池组内的所有电池块进行气体数据感知的信息传感,从而获取储能电池组内每个电池块的气体信息,并将传感所获的气体信息按照电池块在储能电池组中的排列顺序进行排布,由此获得多个气体信息序列,进而为实现对储能电池组的热失控进行监测溯源做保障。
步骤A300:根据所述多个温度信息序列和多个气体信息序列内的气压信息序列,按照预设温度变化趋势和预设气压变化趋势,进行热失控早期匹配判别,获得第二判别结果;
进一步而言,本申请步骤A300还包括:
步骤A310:基于所述多个温度信息序列和多个气压信息序列,采用最小二乘法,拟合获取多个温度变化曲线和多个气压变化曲线;
步骤A320:基于储能电池组热失控早期的历史检测数据,获取发生热失控的多个样本温度信息序列和多个样本气压信息序列,并计算获得预设温度信息序列和预设气压信息序列;
步骤A330:基于所述预设温度信息序列和预设气压信息序列,拟合获得所述预设温度变化趋势和预设气压变化趋势;
步骤A340:分别计算所述多个温度变化曲线和多个气压变化曲线与所述预设温度变化趋势和预设气压变化趋势的相关度,获得多个温度相关度信息和多个气压相关度信息,相关度通过下式计算:
;
其中,g为相关度,M为温度变化曲线或气压变化曲线内坐标点的数量,为温度变化曲线或气压变化曲线内第i个坐标点的温度值或气压值,/>为预设温度变化趋势或预设气压变化趋势内第i个坐标点的预设温度值或预设气压值,/>和/>为温度变化曲线或气压变化曲线内的平均温度值或平均气压值,以及预设温度变化趋势或预设气压变化趋势内的平均预设温度值或平均预设气压值;
步骤A350:分别判别任意一个温度相关度信息或任意一个气压相关度信息是否大于或等于相关度阈值,获得第二判别结果。
在本申请中,为了更精准的对储能电池组的热失控进行监测溯源判定,首先需要基于温度监测分析以及气压监测分析,是指进一步基于上述所获的多个温度信息序列以及多个气体信息序列内的气压信息序列,分别构建时间/温度坐标系、时间/气体坐标系,同时依次将多个温度信息序列中的温度数据以及多个气体信息序列内的气压信息序列中的气压数据导入时间/温度坐标系、时间/气体坐标系中采用最小二乘法对温度数据以及气温数据分别进行拟合后,获取多个温度变化曲线和多个气压变化曲线。
进一步的,以上述所提取的储能电池组热失控早期的历史检测数据,对储能电池组在历史时段内发生热失控时所具有的多个样本温度信息序列和多个样本气压信息序列进行确定,并根据多个样本温度信息序列和多个样本气压信息序列在多个温度变化曲线和多个气压变化曲线中的变化趋势,对储能电池组的预期温度信息序列以及预期气压信息序列进行计算,将计算结果作为预设温度信息序列和预设气压信息序列;
通过将预设温度信息序列和预设气压信息序列作为基础数据,对二者进行数据拟合,是指将统计算法应用于预设温度信息序列和预设气压信息序列,以估计出一组与预设温度信息序列所对应的参数值,一组与预设气压信息序列所对应的参数值,使得统计算法能够尽可能准确地描述数据的过程,对预设温度信息序列和预设气压信息序列进行匹配、拟合,以求得这些预设温度变化趋势和预设气压变化趋势,进一步的,分别将多个温度变化曲线、多个气压变化曲线、预设温度变化趋势、预设气压变化趋势的相关度通过如下公式进行计算:
;
其中,g为相关度,M为温度变化曲线或气压变化曲线内坐标点的数量,为温度变化曲线或气压变化曲线内第i个坐标点的温度值或气压值,/>为预设温度变化趋势或预设气压变化趋势内第i个坐标点的预设温度值或预设气压值,/>和/>为温度变化曲线或气压变化曲线内的平均温度值或平均气压值,以及预设温度变化趋势或预设气压变化趋势内的平均预设温度值或平均预设气压值;
是指将多个温度变化曲线、多个气压变化曲线、预设温度变化趋势、预设气压变化趋势输入至公式内进行计算,根据计算出g,即多个温度相关度信息和多个气压相关度信息,其范围可以是(0,1),且当g越接近1则越相关,当g越接近0则越不相关,从而判别多个温度相关度信息中的任意一个温度相关度信息或多个气压相关度信息中任意一个气压相关度信息是否大于或等于相关度阈值,该相关度阈值是根据热失控监测经验进行设置,其相关度阈值可以是0.5,从而将该判别结果作为第二判别结果,第二判别结果可以包含4类数据:
数据1:多个温度相关度信息中的任意一个温度相关度信息小于相关度阈值,多个气压相关度信息中任意一个气压相关度信息小于相关度阈值;
数据2:多个温度相关度信息中的任意一个温度相关度信息大于或等于相关度阈值,多个气压相关度信息中任意一个气压相关度信息小于相关度阈值;
数据3:多个温度相关度信息中的任意一个温度相关度信息小于相关度阈值,多个气压相关度信息中任意一个气压相关度信息大于或等于相关度阈值;
数据4:多个温度相关度信息中的任意一个温度相关度信息大于或等于相关度阈值,多个气压相关度信息中任意一个气压相关度信息大于或等于相关度阈值;
进而根据第二判别结果为后续实现对储能电池组的热失控进行监测溯源夯实基础。
步骤A400:在第二判别结果为是时,通过热失控溯源模块,提取多个电池单元的温度或气压达到所述温度阈值或气压阈值的时间信息,以及多个温度信息序列和多个气压信息序列与所述预设温度变化趋势和预设气压变化趋势的多个匹配程度,基于多个时间信息多个匹配程度,进行热失控溯源分析,获得多个第一溯源评级;
进一步而言,如图2所示,本申请步骤A400还包括:
步骤A410:在第二判别结果为是时,通过所述温度传感器阵列和气体传感器阵列,检测并判别获取多个电池单元的温度或气压达到所述温度阈值和气压阈值的时间,获得多个时间信息,并按照从前到后的顺序进行排序,获得多个排序信息;
步骤A420:计算多个温度信息序列和多个气压信息序列,与所述预设温度变化趋势和预设气压变化趋势的多个温度相关度信息和多个气压相关度信息;
步骤A430:对多个温度相关度信息和多个气压相关度信息进行加权计算,获得多个匹配程度;
步骤A440:结合多个排序信息和多个匹配程度,进行热失控溯源分析,获得多个第一溯源评级。
进一步而言,本申请步骤A440包括:
步骤A441:基于储能电池组热失控的历史监测数据,获取多个样本排序信息集合、多个样本匹配程度信息集合,每个样本排序信息集合包括多个样本电池单元的多个样本排序信息;
步骤A442:基于储能电池组热失控的历史溯源检测数据,根据多个样本电池单元的溯源热失控发生次序,获取多个样本第一溯源评级集合;
步骤A443:采用多个样本排序信息集合、多个样本匹配程度信息集合和多个样本第一溯源评级集合作为训练数据,训练收敛的第一溯源分析通道;
步骤A444:获取多个第一溯源评级,通过将多个排序信息和多个匹配程度输入第一溯源分析通道获取。
在本申请中,为了更好的对储能电池组热失控进行监测溯源,当上述所获第二判别结果为是时,则视为多个温度相关度信息中的任意一个温度相关度信息大于或等于相关度阈值,多个气压相关度信息中任意一个气压相关度信息大于或等于相关度阈值,此时需要通过一储能电池组热失控监测溯源装置中所包含的热失控溯源模块对多个电池单元的温度或气压达到所述温度阈值或气压阈值的时间信息,以及多个温度信息序列和多个气压信息序列与所述预设温度变化趋势和预设气压变化趋势的多个匹配程度进行提取,该储能电池组内多个电池单元的温度传感器阵列和气体传感器阵列用于进行多个电池单元的温度参数、气体参数的采集,其热失控溯源模块用于进行储能电池组存在热失控隐患时进行失控数据参数采集。
通过热失控溯源模块内以温度传感器阵列和气体传感器阵列作为基础,检测储能电池组内的温度数据或气压数据达到所述温度阈值和气压阈值的时间,并判别其时间长度,从而获得包含温度数据以及气压数据的多个时间信息,并按照时间序列内从前到后的顺序进行排序,确定多个时间信息的多个排序信息,进一步的,基于多个时间信息的多个排序信息对多个温度信息序列和多个气压信息序列,与预设温度变化趋势和预设气压变化趋势的多个温度相关度信息和多个气压相关度信息进行计算,进一步的,对多个温度相关度信息和多个气压相关度信息进行加权计算,加权计算需要基于大量的数据汇总以及精确确定权重后再进行针对性计算,示例性的,多个温度相关度信息和多个气压相关度信息权重占比可以为第一影响系数:第二影响系数为4:6,则加权计算过程后的影响参数分别为第一影响参数*0.4,第二影响参数*0.6,根据该加权计算结果获得多个匹配程度,进一步的,结合多个排序信息和多个匹配程度,进行热失控溯源分析,是指以上述所获的储能电池组热失控的历史监测数据作为基础参照数据,随机提取历史监测数据中的多个温度数据排序以及多个气压数据排序,同时将其进行整合后确定多个温度数据排序信息以及多个气压数据排序信息记作多个样本排序信息集合、确定多个温度数据排序中相关度的匹配程度以及多个气压数据排序中相关度的匹配程度记作多个样本匹配程度信息集合,且在每个样本排序信息集合中包括多个样本电池单元的多个样本排序信息。
同时根据多个样本电池单元的溯源热失控发生时间次序,将储能电池组热失控的历史溯源检测数据内的溯源检测数据进行排序,获取多个样本第一溯源评级集合,示例性的,将储能电池组内最先发生热失控的电池单元的溯源评级视为最高级,将储能电池组热失控的历史溯源检测数据内的溯源检测数据进行以此类推排序,将排序完成的数据集合记作多个样本第一溯源评级集合,进一步的,采用多个样本排序信息集合、多个样本匹配程度信息集合和多个样本第一溯源评级集合作为训练数据,通过这组训练数据对应设置监督数据,再将训练数据输入至第一溯源分析通道进行输出监督调整,当第一溯源分析通道的输出结果与监督数据一致,则当前组训练结束,将全部的训练数据均训练结束,则第一溯源分析通道训练完成。
为了保证第一溯源分析通道的收敛以及准确性,其收敛过程可以是第一溯源分析通道内的多个样本排序信息集合、多个样本匹配程度信息集合和多个样本第一溯源评级集合会聚于一点时,向某一个值靠近则为收敛,其准确性可以通过测试数据集进行第一溯源分析通道的测试处理,举例而言,测试准确率可以设定为80%,当测试数据集的测试准确率满足80%时,则第一溯源分析通道构建完成。
最终通过将多个排序信息和多个匹配程度输入第一溯源分析通道获取多个第一溯源评级,实现对储能电池组的热失控进行监测溯源有着限定的作用。
步骤A500:提取所述多个气体信息序列内的多个气体浓度信息序列集,按照所述多个指定气体的多个预设气体浓度变化趋势,进行气体浓度变化热失控溯源分析,获得多个第二溯源评级;
进一步而言,如图3所示,本申请步骤A500还包括:
步骤A510:根据所述多个指定气体的类别,在所述多个气体信息序列内,提取获得多个第一气体浓度信息序列、多个第二气体浓度信息序列和多个第三气体浓度信息序列,其中,多个指定气体包括氢气、二氧化碳和一氧化碳;
步骤A520:基于储能电池组热失控的历史监测数据,获取样本第一气体浓度信息序列、样本第二气体浓度信息序列和样本第三气体浓度信息序列;
步骤A530:基于所述样本第一气体浓度信息序列、样本第二气体浓度信息序列和样本第三气体浓度信息序列,拟合获得预设第一气体浓度变化趋势、第二气体浓度变化趋势和第三气体浓度变化趋势;
步骤A540:以所述预设第一气体浓度变化趋势、第二气体浓度变化趋势和第三气体浓度变化趋势为基准,计算获得所述多个第一气体浓度信息序列、多个第二气体浓度信息序列和多个第三气体浓度信息序列的多个第一浓度相关度信息、多个第二浓度相关度信息和多个第三浓度相关度信息,并加权计算获得多个浓度相关度信息;
步骤A550:根据多个浓度相关度信息,进行热失控溯源分析,获得多个第二溯源评级。
进一步而言,本申请步骤A550包括:
步骤A551:基于储能电池组热失控的历史监测数据,获取多个样本浓度相关度信息集合,每个样本浓度相关度信息集合包括多个样本电池单元的多个样本浓度相关度信息;
步骤A552:基于储能电池组热失控的历史溯源检测数据,根据多个样本电池单元的溯源热失控发生次序,获取多个样本第二溯源评级集合;
步骤A553:采用所述多个样本浓度相关度信息集合和多个样本第二溯源评级集合作为训练数据,训练收敛的第二溯源分析通道;
步骤A554:获取多个第二溯源评级,多个第二溯源评级通过将多个浓度相关度信息输入所述第二溯源分析通道获取。
在本申请中,为了更精准的对储能电池组热失控进行监测溯源,因此需要再结合多个气体的浓度变化曲线和预设气体浓度变化趋势曲线的匹配程度,对多个电池单元进行溯源分析,从而提升监测溯源的准确性,进一步的,是指首先根据多个指定气体的类别,在上述所获的多个气体信息序列内,提取获得多个第一气体浓度信息序列、多个第二气体浓度信息序列和多个第三气体浓度信息序列,其中,多个指定气体包括氢气、二氧化碳和一氧化碳,并同时在多个气体信息序列内分别将氢气浓度信息、二氧化碳浓度信息和一氧化碳浓度信息进行检测汇总并提取,继而通过将储能电池组热失控的历史监测数据作为参照数据在多个第一气体浓度信息序列、多个第二气体浓度信息序列和多个第三气体浓度信息序列进行匹配比对,将与储能电池组热失控的历史监测数据比对吻合的数据记作样本第一气体浓度信息序列、样本第二气体浓度信息序列和样本第三气体浓度信息序列,进一步的,将样本第一气体浓度信息序列、样本第二气体浓度信息序列和样本第三气体浓度信息序列进行序列拟合,是指通过统计算法来对样本第一气体浓度信息序列中的气体浓度数据、样本第二气体浓度信息序列中的气体浓度数据和样本第三气体浓度信息序列中的气体浓度数据进行匹配、拟合,以求得样本第一气体浓度信息序列、样本第二气体浓度信息序列和样本第三气体浓度信息序列的变化规律和趋势,从而对第一气体浓度变化趋势、第二气体浓度变化趋势和第三气体浓度变化趋势进行预设,并同时以预设第一气体浓度变化趋势、第二气体浓度变化趋势和第三气体浓度变化趋势为基准分别通过上述相关度公式计算氢气、二氧化碳和一氧化碳在储能电池组内的每个电池块所对应的浓度并进行记录,获得多个第一气体浓度信息序列的多个第一浓度相关度信息、多个第二气体浓度信息序列的多个第二浓度相关度信息和多个第三气体浓度信息序列的多个第三浓度相关度信息,同时对多个第一浓度相关度信息、多个第二浓度相关度信息和多个第三浓度相关度信息进行加权计算,即首先对多个第一浓度相关度信息、多个第二浓度相关度信息和多个第三浓度相关度信息进行权重分配,其多个第一浓度相关度信息、多个第二浓度相关度信息和多个第三浓度相关度信息权重占比可以为第一影响系数:第二影响系数为2:5:3,则加权计算过程后的影响参数分别为第一影响参数*0.2,第二影响参数*0.5,第二影响参数*0.3,根据该加权计算结果获得多个浓度相关度信息,将多个浓度相关度信息中所体现储能电池组内氢气浓度相关度、二氧化碳浓度相关度和一氧化碳浓度相关度作为分析基础数据,对储能电池组的热失控进行溯源分析,是指首先基于储能电池组热失控的历史监测数据,获取多个样本浓度相关度信息集合,且在每个样本浓度相关度信息集合中均包括储能电池组内的多个样本电池单元及其多个样本浓度相关度信息,进一步的,根据多个样本电池单元的溯源热失控发生次序对储能电池组热失控的历史溯源检测数据进行热失控溯源监测,根据储能电池组内所包含的多个电池单元分别进行热失控溯源从而确定多个样本第二溯源评级集合,示例性的,将储能电池组内最先发生热失控的电池单元的溯源评级视为最高级,将储能电池组热失控的历史溯源检测数据内的溯源检测数据进行以此类推排序,将排序完成的数据集合记作多个样本第二溯源评级集合,进一步的,采用多个样本浓度相关度信息集合和多个样本第二溯源评级集合作为训练数据,通过这组训练数据对应设置监督数据,再将训练数据输入至第二溯源分析通道进行输出监督调整,当第二溯源分析通道的输出结果与监督数据一致,则当前组训练结束,将训全部的训练数据均训练结束,则第二溯源分析通道训练完成。
为了保证第二溯源分析通道的收敛以及准确性,其收敛过程可以是第二溯源分析通道内的多个样本浓度相关度信息集合和多个样本第二溯源评级集合会聚于一点时,向某一个值靠近则为收敛,其准确性可以通过测试数据集进行第二溯源分析通道的测试处理,举例而言,测试准确率可以设定为80%,当测试数据集的测试准确率满足80%时,则第二溯源分析通道构建完成。
最终通过将多个浓度相关度信息输入第二溯源分析通道获取多个第二溯源评级,以便为后期对储能电池组的热失控进行监测溯源时作为参照数据。
步骤A600:基于多个第一溯源评级和多个第二溯源评级,计算获得多个电池单元的溯源评级,并根据多个溯源评级输出溯源结果。
进一步而言,本申请步骤A600还包括:
步骤A610:基于所述多个第一溯源评级和多个第二溯源评级,加权计算获得多个电池单元的多个溯源评级;
步骤A620:根据多个溯源评级,输出溯源结果,其中,溯源结果内包括溯源电池单元,溯源电池单元对应的溯源评级为最大值。
在本申请中,通过上述第一溯源分析通道所输出的多个第一溯源评级以及第二溯源分析通道所输出的多个第二溯源评级,对储能电池组存在热失控隐患时进行更为准确的监测溯源,是指以多个第一溯源评级、多个第二溯源评级作为溯源判断基础数据,对多个第一溯源评级、多个第二溯源评级进行加权计算,示例性的,多个第一溯源评级和多个第二溯源评级权重占比可以为第一影响系数:第二影响系数为7:3,则加权计算过程后的影响参数分别为第一影响参数*0.7,第二影响参数*0.3,根据该加权计算结果获得多个电池单元的多个溯源评级,将多个溯源评级作为进行储能电池组热失控溯源的评判依据,在多个溯源评级中将储能电池组内最先发生热失控的电池单元的溯源评级视为最高级,以此类推对储能电池组内的所有电池单元均对应标识溯源评级,将具有溯源评级的电池单元所组成的储能电池组对应的热失控溯源数据记作溯源结果进行输出,且在溯源结果中包含溯源电池单元,溯源电池单元是指与储能电池组内的多个电池单元中的任意一个电池单元存在对应关系,且溯源电池单元对应的溯源评级为最大值,即溯源评级的最高级,从而提高后期实现对储能电池组的热失控进行监测溯源的准确率。
综上所述,本申请实施例提供的一种储能电池组热失控监测溯源方法,至少包括如下技术效果,实现了对储能电池组的热失控进行合理化精准监测溯源,降低储能电池组出现热失控的情况。
实施例二
基于与前述实施例中一种储能电池组热失控监测溯源方法相同的发明构思,如图4所示,本申请提供了一种储能电池组热失控监测溯源***,***包括:
第一判别模块1,所述第一判别模块1用于基于热失控监测模块和热失控判别模块,通过温度传感器阵列和气体传感器阵列,采集储能电池组内多个电池电源的温度信息和气体信息,并按照温度阈值、气压阈值进行热失控隐患判别,获得第一判别结果,其中,气体信息包括气压和多个指定气体的气体浓度信息;
序列采集模块2,所述序列采集模块2用于在第一判别结果为是时,在额定时间窗口内,采集多个电池电源的多个温度信息序列和多个气体信息序列;
第二判别模块3,所述第二判别模块3用于根据所述多个温度信息序列和多个气体信息序列内的气压信息序列,按照预设温度变化趋势和预设气压变化趋势,进行热失控早期匹配判别,获得第二判别结果;
第一分析模块4,所述第一分析模块4用于在第二判别结果为是时,通过热失控溯源模块,提取多个电池单元的温度或气压达到所述温度阈值或气压阈值的时间信息,以及多个温度信息序列和多个气压信息序列与所述预设温度变化趋势和预设气压变化趋势的多个匹配程度,基于多个时间信息多个匹配程度,进行热失控溯源分析,获得多个第一溯源评级;
第二分析模块5,所述第二分析模块5用于提取所述多个气体信息序列内的多个气体浓度信息序列集,按照所述多个指定气体的多个预设气体浓度变化趋势,进行气体浓度变化热失控溯源分析,获得多个第二溯源评级;
计算模块6,所述计算模块6用于基于多个第一溯源评级和多个第二溯源评级,计算获得多个电池单元的溯源评级,并根据多个溯源评级输出溯源结果。
进一步而言,***还包括:
信息采集模块,所述信息采集模块用于通过温度传感器阵列和气体传感器阵列,持续采集储能电池组内多个电池电源的温度信息和气体信息,并获取气体信息内的气压信息;
阈值获取模块,所述阈值获取模块用于基于储能电池组热失控早期的历史检测数据,获取温度阈值和气压阈值;
第一判断模块,所述第一判断模块用于分别判别任意一个温度信息或任意一个气压信息是否大于等于所述温度阈值或气压阈值,获得第一判别结果。
进一步而言,***还包括:
第一拟合模块,所述第一拟合模块用于基于所述多个温度信息序列和多个气压信息序列,采用最小二乘法,拟合获取多个温度变化曲线和多个气压变化曲线;
第一计算模块,所述第一计算模块用于基于储能电池组热失控早期的历史检测数据,获取发生热失控的多个样本温度信息序列和多个样本气压信息序列,并计算获得预设温度信息序列和预设气压信息序列;
第二拟合模块,所述第二拟合模块用于基于所述预设温度信息序列和预设气压信息序列,拟合获得所述预设温度变化趋势和预设气压变化趋势;
第二计算模块,所述第二计算模块用于分别计算所述多个温度变化曲线和多个气压变化曲线与所述预设温度变化趋势和预设气压变化趋势的相关度,获得多个温度相关度信息和多个气压相关度信息,相关度通过下式计算:
;
其中,g为相关度,M为温度变化曲线或气压变化曲线内坐标点的数量,为温度变化曲线或气压变化曲线内第i个坐标点的温度值或气压值,/>为预设温度变化趋势或预设气压变化趋势内第i个坐标点的预设温度值或预设气压值,/>和/>为温度变化曲线或气压变化曲线内的平均温度值或平均气压值,以及预设温度变化趋势或预设气压变化趋势内的平均预设温度值或平均预设气压值;
第二判断模块,所述第二判断模块用于分别判别任意一个温度相关度信息或任意一个气压相关度信息是否大于或等于相关度阈值,获得第二判别结果。
进一步而言,***还包括:
第三判断模块,所述第三判断模块用于在第二判别结果为是时,通过所述温度传感器阵列和气体传感器阵列,检测并判别获取多个电池单元的温度或气压达到所述温度阈值和气压阈值的时间,获得多个时间信息,并按照从前到后的顺序进行排序,获得多个排序信息;
第三计算模块,所述第三计算模块用于计算多个温度信息序列和多个气压信息序列,与所述预设温度变化趋势和预设气压变化趋势的多个温度相关度信息和多个气压相关度信息;
加权计算模块,所述加权计算模块用于对多个温度相关度信息和多个气压相关度信息进行加权计算,获得多个匹配程度;
控溯源分析模块,所述控溯源分析模块用于结合多个排序信息和多个匹配程度,进行热失控溯源分析,获得多个第一溯源评级。
进一步而言,***还包括:
第一集合获取模块,所述第一集合获取模块用于基于储能电池组热失控的历史监测数据,获取多个样本排序信息集合、多个样本匹配程度信息集合,每个样本排序信息集合包括多个样本电池单元的多个样本排序信息;
第二集合获取模块,所述第二集合获取模块用于基于储能电池组热失控的历史溯源检测数据,根据多个样本电池单元的溯源热失控发生次序,获取多个样本第一溯源评级集合;
第一通道模块,所述第一通道模块用于采用多个样本排序信息集合、多个样本匹配程度信息集合和多个样本第一溯源评级集合作为训练数据,训练收敛的第一溯源分析通道;
第一输入模块,所述第一输入模块用于获取多个第一溯源评级,通过将多个排序信息和多个匹配程度输入第一溯源分析通道获取。
进一步而言,***还包括:
第一序列提取模块,所述第一序列提取模块用于根据所述多个指定气体的类别,在所述多个气体信息序列内,提取获得多个第一气体浓度信息序列、多个第二气体浓度信息序列和多个第三气体浓度信息序列,其中,多个指定气体包括氢气、二氧化碳和一氧化碳;
第二序列提取模块,所述第二序列提取模块用于基于储能电池组热失控的历史监测数据,获取样本第一气体浓度信息序列、样本第二气体浓度信息序列和样本第三气体浓度信息序列;
第三拟合模块,所述第三拟合模块用于基于所述样本第一气体浓度信息序列、样本第二气体浓度信息序列和样本第三气体浓度信息序列,拟合获得预设第一气体浓度变化趋势、第二气体浓度变化趋势和第三气体浓度变化趋势;
第四计算模块,所述第四计算模块用于以所述预设第一气体浓度变化趋势、第二气体浓度变化趋势和第三气体浓度变化趋势为基准,计算获得所述多个第一气体浓度信息序列、多个第二气体浓度信息序列和多个第三气体浓度信息序列的多个第一浓度相关度信息、多个第二浓度相关度信息和多个第三浓度相关度信息,并加权计算获得多个浓度相关度信息;
第一评级模块,所述第一评级模块用于根据多个浓度相关度信息,进行热失控溯源分析,获得多个第二溯源评级。
进一步而言,***还包括:
第三集合获取模块,所述第三集合获取模块用于基于储能电池组热失控的历史监测数据,获取多个样本浓度相关度信息集合,每个样本浓度相关度信息集合包括多个样本电池单元的多个样本浓度相关度信息;
第四集合获取模块,所述第四集合获取模块用于基于储能电池组热失控的历史溯源检测数据,根据多个样本电池单元的溯源热失控发生次序,获取多个样本第二溯源评级集合;
训练模块,所述训练模块用于采用所述多个样本浓度相关度信息集合和多个样本第二溯源评级集合作为训练数据,训练收敛的第二溯源分析通道;
第二评级模块,所述第二评级模块用于获取多个第二溯源评级,多个第二溯源评级通过将多个浓度相关度信息输入所述第二溯源分析通道获取。
进一步而言,***还包括:
第五计算模块,所述第五计算模块用于基于所述多个第一溯源评级和多个第二溯源评级,加权计算获得多个电池单元的多个溯源评级;
第三评级模块,所述第三评级模块用于根据多个溯源评级,输出溯源结果,其中,溯源结果内包括溯源电池单元,溯源电池单元对应的溯源评级为最大值。
本说明书通过前述对一种储能电池组热失控监测溯源方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种储能电池组热失控监测溯源***,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
在一个实施例中,提供了一种计算机可读存储介质,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储新闻数据以及时间衰减因子等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种储能电池组热失控监测溯源方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (4)
1.一种储能电池组热失控监测溯源方法,其特征在于,所述方法应用于一储能电池组热失控监测溯源装置,所述装置包括布设于储能电池组内多个电池单元的温度传感器阵列和气体传感器阵列,以及热失控监测模块、热失控判别模块和热失控溯源模块,所述方法包括:
基于热失控监测模块和热失控判别模块,通过温度传感器阵列和气体传感器阵列,采集储能电池组内多个电池电源的温度信息和气体信息,并按照温度阈值、气压阈值进行热失控隐患判别,获得第一判别结果,其中,气体信息包括气压和多个指定气体的气体浓度信息;
在第一判别结果为是时,在额定时间窗口内,采集多个电池电源的多个温度信息序列和多个气体信息序列;
根据所述多个温度信息序列和多个气体信息序列内的气压信息序列,按照预设温度变化趋势和预设气压变化趋势,进行热失控早期匹配判别,获得第二判别结果;
在第二判别结果为是时,通过热失控溯源模块,提取多个电池单元的温度或气压达到所述温度阈值或气压阈值的时间信息,以及多个温度信息序列和多个气压信息序列与所述预设温度变化趋势和预设气压变化趋势的多个匹配程度,基于多个时间信息多个匹配程度,进行热失控溯源分析,获得多个第一溯源评级;
提取所述多个气体信息序列内的多个气体浓度信息序列集,按照所述多个指定气体的多个预设气体浓度变化趋势,进行气体浓度变化热失控溯源分析,获得多个第二溯源评级;
基于多个第一溯源评级和多个第二溯源评级,计算获得多个电池单元的溯源评级,并根据多个溯源评级输出溯源结果;
其中,所述根据所述多个温度信息序列和多个气体信息序列内的气压信息序列,按照预设温度变化趋势和预设气压变化趋势,进行热失控早期匹配判别,获得第二判别结果,包括:
基于所述多个温度信息序列和多个气压信息序列,采用最小二乘法,拟合获取多个温度变化曲线和多个气压变化曲线;
基于储能电池组热失控早期的历史检测数据,获取发生热失控的多个样本温度信息序列和多个样本气压信息序列,并计算获得预设温度信息序列和预设气压信息序列;
基于所述预设温度信息序列和预设气压信息序列,拟合获得所述预设温度变化趋势和预设气压变化趋势;
分别计算所述多个温度变化曲线和多个气压变化曲线与所述预设温度变化趋势和预设气压变化趋势的相关度,获得多个温度相关度信息和多个气压相关度信息,相关度通过下式计算:
;
其中,g为相关度,M为温度变化曲线或气压变化曲线内坐标点的数量,为温度变化曲线或气压变化曲线内第i个坐标点的温度值或气压值,/>为预设温度变化趋势或预设气压变化趋势内第i个坐标点的预设温度值或预设气压值,/>和/>为温度变化曲线或气压变化曲线内的平均温度值或平均气压值,以及预设温度变化趋势或预设气压变化趋势内的平均预设温度值或平均预设气压值;
分别判别任意一个温度相关度信息或任意一个气压相关度信息是否大于或等于相关度阈值,获得第二判别结果;
所述在第二判别结果为是时,通过热失控溯源模块,提取多个电池单元的温度或气压达到所述温度阈值或气压阈值的时间信息,以及多个温度信息序列和多个气压信息序列与所述预设温度变化趋势和预设气压变化趋势的多个匹配程度,基于多个时间信息多个匹配程度,进行热失控溯源分析,获得多个第一溯源评级,包括:
在第二判别结果为是时,通过所述温度传感器阵列和气体传感器阵列,检测并判别获取多个电池单元的温度或气压达到所述温度阈值和气压阈值的时间,获得多个时间信息,并按照从前到后的顺序进行排序,获得多个排序信息;
计算多个温度信息序列和多个气压信息序列,与所述预设温度变化趋势和预设气压变化趋势的多个温度相关度信息和多个气压相关度信息;
对多个温度相关度信息和多个气压相关度信息进行加权计算,获得多个匹配程度;
结合多个排序信息和多个匹配程度,进行热失控溯源分析,获得多个第一溯源评级,所述结合多个排序信息和多个匹配程度,进行热失控溯源分析,获得多个第一溯源评级包括:基于储能电池组热失控的历史监测数据,获取多个样本排序信息集合、多个样本匹配程度信息集合,每个样本排序信息集合包括多个样本电池单元的多个样本排序信息;基于储能电池组热失控的历史溯源检测数据,根据多个样本电池单元的溯源热失控发生次序,获取多个样本第一溯源评级集合;采用多个样本排序信息集合、多个样本匹配程度信息集合和多个样本第一溯源评级集合作为训练数据,训练收敛的第一溯源分析通道;获取多个第一溯源评级,通过将多个排序信息和多个匹配程度输入第一溯源分析通道获取;
所述提取所述多个气体信息序列内的多个气体浓度信息序列集,按照所述多个指定气体的多个预设气体浓度变化趋势,进行气体浓度变化热失控溯源分析,获得多个第二溯源评级,包括:
根据所述多个指定气体的类别,在所述多个气体信息序列内,提取获得多个第一气体浓度信息序列、多个第二气体浓度信息序列和多个第三气体浓度信息序列,其中,多个指定气体包括氢气、二氧化碳和一氧化碳;
基于储能电池组热失控的历史监测数据,获取样本第一气体浓度信息序列、样本第二气体浓度信息序列和样本第三气体浓度信息序列;
基于所述样本第一气体浓度信息序列、样本第二气体浓度信息序列和样本第三气体浓度信息序列,拟合获得预设第一气体浓度变化趋势、第二气体浓度变化趋势和第三气体浓度变化趋势;
以所述预设第一气体浓度变化趋势、第二气体浓度变化趋势和第三气体浓度变化趋势为基准,计算获得所述多个第一气体浓度信息序列、多个第二气体浓度信息序列和多个第三气体浓度信息序列的多个第一浓度相关度信息、多个第二浓度相关度信息和多个第三浓度相关度信息,并加权计算获得多个浓度相关度信息;
根据多个浓度相关度信息,进行热失控溯源分析,获得多个第二溯源评级,所述根据多个浓度相关度信息,进行热失控溯源分析,获得多个第二溯源评级包括:基于储能电池组热失控的历史监测数据,获取多个样本浓度相关度信息集合,每个样本浓度相关度信息集合包括多个样本电池单元的多个样本浓度相关度信息;基于储能电池组热失控的历史溯源检测数据,根据多个样本电池单元的溯源热失控发生次序,获取多个样本第二溯源评级集合;采用所述多个样本浓度相关度信息集合和多个样本第二溯源评级集合作为训练数据,训练收敛的第二溯源分析通道;获取多个第二溯源评级,多个第二溯源评级通过将多个浓度相关度信息输入所述第二溯源分析通道获取;
所述基于多个第一溯源评级和多个第二溯源评级,计算获得多个电池单元的溯源评级,并根据多个溯源评级输出溯源结果,包括:
基于所述多个第一溯源评级和多个第二溯源评级,加权计算获得多个电池单元的多个溯源评级;
根据多个溯源评级,输出溯源结果,其中,溯源结果内包括溯源电池单元,溯源电池单元对应的溯源评级为最大值。
2.根据权利要求1所述的方法,其特征在于,所述方法包括:
通过温度传感器阵列和气体传感器阵列,持续采集储能电池组内多个电池电源的温度信息和气体信息,并获取气体信息内的气压信息;
基于储能电池组热失控早期的历史检测数据,获取温度阈值和气压阈值;
分别判别任意一个温度信息或任意一个气压信息是否大于等于所述温度阈值或气压阈值,获得第一判别结果。
3.一种储能电池组热失控监测溯源***,所述***应用于权利要求1-2任一项所述方法,其特征在于,所述***包括:
第一判别模块,所述第一判别模块用于基于热失控监测模块和热失控判别模块,通过温度传感器阵列和气体传感器阵列,采集储能电池组内多个电池电源的温度信息和气体信息,并按照温度阈值、气压阈值进行热失控隐患判别,获得第一判别结果,其中,气体信息包括气压和多个指定气体的气体浓度信息;
序列采集模块,所述序列采集模块用于在第一判别结果为是时,在额定时间窗口内,采集多个电池电源的多个温度信息序列和多个气体信息序列;
第二判别模块,所述第二判别模块用于根据所述多个温度信息序列和多个气体信息序列内的气压信息序列,按照预设温度变化趋势和预设气压变化趋势,进行热失控早期匹配判别,获得第二判别结果;
第一分析模块,所述第一分析模块用于在第二判别结果为是时,通过热失控溯源模块,提取多个电池单元的温度或气压达到所述温度阈值或气压阈值的时间信息,以及多个温度信息序列和多个气压信息序列与所述预设温度变化趋势和预设气压变化趋势的多个匹配程度,基于多个时间信息多个匹配程度,进行热失控溯源分析,获得多个第一溯源评级;
第二分析模块,所述第二分析模块用于提取所述多个气体信息序列内的多个气体浓度信息序列集,按照所述多个指定气体的多个预设气体浓度变化趋势,进行气体浓度变化热失控溯源分析,获得多个第二溯源评级;
计算模块,所述计算模块用于基于多个第一溯源评级和多个第二溯源评级,计算获得多个电池单元的溯源评级,并根据多个溯源评级输出溯源结果;
所述第二判别模块,包括:
第一拟合模块,所述第一拟合模块用于基于所述多个温度信息序列和多个气压信息序列,采用最小二乘法,拟合获取多个温度变化曲线和多个气压变化曲线;
第一计算模块,所述第一计算模块用于基于储能电池组热失控早期的历史检测数据,获取发生热失控的多个样本温度信息序列和多个样本气压信息序列,并计算获得预设温度信息序列和预设气压信息序列;
第二拟合模块,所述第二拟合模块用于基于所述预设温度信息序列和预设气压信息序列,拟合获得所述预设温度变化趋势和预设气压变化趋势;
第二计算模块,所述第二计算模块用于分别计算所述多个温度变化曲线和多个气压变化曲线与所述预设温度变化趋势和预设气压变化趋势的相关度,获得多个温度相关度信息和多个气压相关度信息,相关度通过下式计算:
;
其中,g为相关度,M为温度变化曲线或气压变化曲线内坐标点的数量,为温度变化曲线或气压变化曲线内第i个坐标点的温度值或气压值,/>为预设温度变化趋势或预设气压变化趋势内第i个坐标点的预设温度值或预设气压值,/>和/>为温度变化曲线或气压变化曲线内的平均温度值或平均气压值,以及预设温度变化趋势或预设气压变化趋势内的平均预设温度值或平均预设气压值;
第二判断模块,所述第二判断模块用于分别判别任意一个温度相关度信息或任意一个气压相关度信息是否大于或等于相关度阈值,获得第二判别结果。
4.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至2中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311378203.XA CN117117356B (zh) | 2023-10-24 | 2023-10-24 | 一种储能电池组热失控监测溯源方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311378203.XA CN117117356B (zh) | 2023-10-24 | 2023-10-24 | 一种储能电池组热失控监测溯源方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117117356A CN117117356A (zh) | 2023-11-24 |
CN117117356B true CN117117356B (zh) | 2024-03-12 |
Family
ID=88800606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311378203.XA Active CN117117356B (zh) | 2023-10-24 | 2023-10-24 | 一种储能电池组热失控监测溯源方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117117356B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111391668A (zh) * | 2020-03-31 | 2020-07-10 | 威睿电动汽车技术(宁波)有限公司 | 一种电池热失控预警处理方法、装置、设备及存储介质 |
CN112731159A (zh) * | 2020-12-23 | 2021-04-30 | 江苏省电力试验研究院有限公司 | 一种储能电站电池舱电池故障预判及定位的方法 |
CN112731169A (zh) * | 2020-12-22 | 2021-04-30 | 上汽大众汽车有限公司 | 一种动力电池热失控全天候监测***及方法 |
CN113442725A (zh) * | 2021-04-30 | 2021-09-28 | 重庆长安汽车股份有限公司 | 一种动力电池热失控报警方法、***和车辆 |
CN114240260A (zh) * | 2022-02-17 | 2022-03-25 | 北京航空航天大学 | 一种基于数字孪生的新能源群体车辆热失控风险评估方法 |
CN114624609A (zh) * | 2022-04-01 | 2022-06-14 | 阳光储能技术有限公司 | 电池热失控检测方法及装置 |
CN114824537A (zh) * | 2022-06-30 | 2022-07-29 | 深圳市明泰源科技有限公司 | 一种基于信息融合的磷酸铁锂电池热失控监测*** |
CN115995625A (zh) * | 2022-11-08 | 2023-04-21 | 浙江凌骁能源科技有限公司 | 一种电池热失控预警方法、装置和存储介质 |
CN116256651A (zh) * | 2023-02-01 | 2023-06-13 | 欣旺达电动汽车电池有限公司 | 电池热失能预警方法、***及可读存储介质 |
CN116796285A (zh) * | 2023-06-05 | 2023-09-22 | 山东大学 | 基于多源信息融合的动力电池热失控超前预警方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210116050A (ko) * | 2020-03-17 | 2021-09-27 | 주식회사 엘지에너지솔루션 | 배터리 이상 감지 장치 및 방법, 그 방법을 제공하는 배터리 관리 시스템 |
-
2023
- 2023-10-24 CN CN202311378203.XA patent/CN117117356B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111391668A (zh) * | 2020-03-31 | 2020-07-10 | 威睿电动汽车技术(宁波)有限公司 | 一种电池热失控预警处理方法、装置、设备及存储介质 |
CN112731169A (zh) * | 2020-12-22 | 2021-04-30 | 上汽大众汽车有限公司 | 一种动力电池热失控全天候监测***及方法 |
CN112731159A (zh) * | 2020-12-23 | 2021-04-30 | 江苏省电力试验研究院有限公司 | 一种储能电站电池舱电池故障预判及定位的方法 |
CN113442725A (zh) * | 2021-04-30 | 2021-09-28 | 重庆长安汽车股份有限公司 | 一种动力电池热失控报警方法、***和车辆 |
CN114240260A (zh) * | 2022-02-17 | 2022-03-25 | 北京航空航天大学 | 一种基于数字孪生的新能源群体车辆热失控风险评估方法 |
CN114624609A (zh) * | 2022-04-01 | 2022-06-14 | 阳光储能技术有限公司 | 电池热失控检测方法及装置 |
CN114824537A (zh) * | 2022-06-30 | 2022-07-29 | 深圳市明泰源科技有限公司 | 一种基于信息融合的磷酸铁锂电池热失控监测*** |
CN115995625A (zh) * | 2022-11-08 | 2023-04-21 | 浙江凌骁能源科技有限公司 | 一种电池热失控预警方法、装置和存储介质 |
CN116256651A (zh) * | 2023-02-01 | 2023-06-13 | 欣旺达电动汽车电池有限公司 | 电池热失能预警方法、***及可读存储介质 |
CN116796285A (zh) * | 2023-06-05 | 2023-09-22 | 山东大学 | 基于多源信息融合的动力电池热失控超前预警方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN117117356A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114559819B (zh) | 一种基于信号处理的电动汽车电池安全预警方法 | |
CN116502112B (zh) | 一种新能源电源测试数据管理方法及*** | |
CN112906744A (zh) | 一种基于孤立森林算法的故障单体电池识别方法 | |
CN112327167A (zh) | 一种电池容量跳水风险评估方法及*** | |
CN113866642A (zh) | 一种基于梯度提升树的锂离子电池故障诊断方法 | |
CN112816881B (zh) | 电池压差异常检测方法、装置及计算机存储介质 | |
CN111273125A (zh) | 基于rst-cnn的电力电缆沟道故障诊断方法 | |
CN115267555A (zh) | 基于电池多点温度测量的储能***电池soh评估*** | |
CN116466237B (zh) | 一种锂电池的充电安全监测预警方法及*** | |
CN116572747B (zh) | 电池故障检测方法、装置、计算机设备和存储介质 | |
CN114994547B (zh) | 基于深度学习和一致性检测的电池包安全状态评估方法 | |
CN114734873B (zh) | 一种基于云端在线数据的动力电池单体热失控预警方法 | |
CN117148194A (zh) | 一种电动汽车电池组故障探测方法及*** | |
CN113253125B (zh) | 一种基于信息融合的磷酸铁锂电池热失控监测方法及*** | |
CN115494400A (zh) | 一种基于集成学习的锂电池析锂状态在线监控方法 | |
CN114280490B (zh) | 一种锂离子电池荷电状态估计方法及*** | |
CN114036647A (zh) | 一种基于实车数据的动力电池安全风险评估方法 | |
CN117525692B (zh) | 一种安全储能***的控制方法及*** | |
CN116923188B (zh) | 一种新能源车的充电保护*** | |
Diao et al. | Research on Electric Vehicle Charging Safety Warning Based on A-LSTM Algorithm | |
CN117117356B (zh) | 一种储能电池组热失控监测溯源方法及*** | |
CN117491813A (zh) | 新能源汽车动力电池***绝缘异常检测方法 | |
CN117216956A (zh) | Xlpe电缆的热氧老化模型修正装置、方法及设备 | |
CN116796285A (zh) | 基于多源信息融合的动力电池热失控超前预警方法及*** | |
CN115469226A (zh) | 一种基于运行大数据的电动汽车动力电池实时安全预警方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |