CN117572241A - 一种基于扩展多维时间序列的锂电池故障分析方法 - Google Patents
一种基于扩展多维时间序列的锂电池故障分析方法 Download PDFInfo
- Publication number
- CN117572241A CN117572241A CN202311463730.0A CN202311463730A CN117572241A CN 117572241 A CN117572241 A CN 117572241A CN 202311463730 A CN202311463730 A CN 202311463730A CN 117572241 A CN117572241 A CN 117572241A
- Authority
- CN
- China
- Prior art keywords
- time sequence
- battery voltage
- data
- variation coefficient
- lithium battery
- 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
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 59
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 59
- 238000004458 analytical method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims abstract description 15
- 238000012935 Averaging Methods 0.000 claims abstract description 4
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 239000000178 monomer Substances 0.000 description 6
- 238000012216 screening Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
- B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
- B60L3/0046—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train relating to electric energy storage systems, e.g. batteries or capacitors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/378—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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Transportation (AREA)
- Computing Systems (AREA)
- Mechanical Engineering (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明公开了一种基于扩展多维时间序列的锂电池故障分析方法，在长度为N的电池电压序列中，选择宽度为w的时序窗口，共计移动m‑1次，统计每次移动的时序窗口内一组电池电压时序数据，生成m行w列的m×w的二维矩阵的电池电压时序数据。计算第i次移动时序窗口内电池电压时序数据的发放率向量的变异系数，最后对m次移动时序窗口内电池电压时序数据的发放率向量的变异系数求平均值，得到二维矩阵的电池电压时序数据变异系数。本发明可以将扩展锂电池时间序列维度，处理影响因素相关的非线性关系，解决一维数据稀疏性的影响，分析其潜在的关联或依赖关系。
Description
技术领域
本发明属于锂电池技术领域，具体是一种基于扩展多维时间序列的锂电池故障分析方法。
背景技术
电动汽车市场规模逐年扩大，越来越多的汽车制造商推出了各种类型电动汽车，满足了消费者对清洁能源交通的需求。其中，锂电池的质量稳定性直接影响着电动汽车的性能指标，锂电池的常见故障包括：电池容量低、电池内阻高、电池电压低、电池化成异常、电池短路和电池漏液等等。
目前，锂电池故障分析主要采取筛选锂电池在单一时间序列的异常值，但筛选异常值存在以下的缺点：
(1)通过BMS***记录的信息只考虑了数据随时间的变化，而忽略了其他可能对锂电池数据产生影响的因素，这意味着将无法直接分析其他潜在的关联或依赖关系；(2)缺乏明确的阈值：异常值筛选通常需要设定一个阈值来判断数据是否异常。然而在锂电池的一维时间序列中，阈值的选取和确定存在一定的难度。不同类型的异常值可能需要不同的阈值，而且随着时间的推移，阈值也可能需要进行调整。(3)多元关联性：锂电池的性能受多种因素的影响，如温度、电流、充放电速率等，这些因素之间存在复杂的相互关系，并且它们的变化可能导致整个时间序列的异常。因此，在锂电池的异常值筛选中，仅考虑一维时间序列可能无法全面捕捉到所有的异常情况。
针对以上这些问题，需要综合考虑多个锂电池时间序列因素，如何采用适当的数据处理和分析方法来准确地识别和处理异常值，是目前亟需解决的一项重要技术问题。
发明内容
为了解决现有技术中存在的问题，本发明提供了一种基于扩展多维时间序列的锂电池故障分析方法，扩展锂电池时间序列维度，处理影响因素相关的非线性关系，解决一维数据稀疏性的影响，分析其潜在的关联或依赖关系。
本发明解决上述技术问题所采用的技术方案如下：
一种基于扩展多维时间序列的锂电池故障分析方法，该方法包括以下步骤：
S1、构建二维矩阵的电池电压时序数据
在长度为N的电池电压序列中，选择宽度为w的时序窗口，在第i次移动时序窗口，开始统计时序窗口内电池电压时序数据的发放率向量ri，表示为ri＝(ri1，ri2，...，riw)，其中riw表示第i次移动时序窗口内第w个电池电压时序数据，i表示第几次移动时序窗口，w表示移动的时序窗口的数据个数；再按照设定的步长移动时序窗口，共计移动m-1次，统计每次移动的时序窗口内一组电池电压时序数据：ri1，ri2，...，riw，则生成m行w列的m×w的二维矩阵的电池电压时序数据；
S2、计算二维矩阵的变异系数Cv
对于二维矩阵的电池电压时序数据中每一行的每一个电池电压时序数据的发放率向量ri，计算其相应的标准差表达为/> 其中<…>表示求平均值，rij表示第i次移动时序窗口内电池电压时序数据中第j个数据；再计算第i次移动时序窗口内电池电压时序数据的发放率向量的变异系数/>表达为：/>最后对m次移动时序窗口内电池电压时序数据的发放率向量的变异系数求平均值，得到二维矩阵的电池电压时序数据变异系数Cv，表示为/>其中<…>表示求平均值，并将变异系数Cv与设定的阈值比较，判断锂电池是否存在故障低风险；
S3、计算单个电池的变异系数Cv2
对于m个时序窗口中第i个的电池电压时序数据发放率向量ri＝(ri1,ri2,…,riw)，其中1≤i≤m，计算向量中任意两个向量值之间的变异系数表示为其中，ri,j表示第j个电池中第i个电池电压时序数据的发放率向量；然后求出所有变异系数的平均值，即为单个电池时序数据的变异系数Cv2，表示为并将变异系数Cv2与设定的阈值比较，判断锂电池是否存在故障高风险。
作为本发明进一步改进的技术方案，所述电池电压时序数据发放率向量的变异系数与锂电池的不规则性、正常运行状态和异常故障概率有关联。
作为本发明进一步改进的技术方案，所述变异系数Cv的值小于变异系数Cv2的值。
作为本发明进一步改进的技术方案，所述变异系数Cv、变异系数Cv2的值在短时间内增大并超过阈值，即可诊断锂电池单体为存在早期的故障风险。
作为本发明进一步改进的技术方案，所述时序窗口移动的步长bin＝1。
与现有技术相比，本发明的有益效果是：
1、本发明在进行锂电池故障诊断算法中，在不同工况下锂电池的电压也会随时间进行相应的变化，将锂电池模组中的电压序列作为算法的输入，通过计算锂电池电压序列对应的标准差等指标的大小可以实现锂电池组早期故障的准确诊断。但是普遍使用一个时间周期内全部的数据进行分析，数据尺度单一，反应的信息量较少，故使用多维时间序列处理方法可以扩展锂电池电压时序数据的分析维度，解释锂电池电压的不规则性，对故障风险判断更加准确。
2、本发明对于锂电池单体计算其样本值可以评估其变异系数，变异系数越小，则表明锂电池单体的不规则性更低，进一步说明整个锂电池处于正常运行状态，没有异常故障发生。然而当锂电池模组中某个单体变异系数较大时，说明该锂电池单体的电池不规则性较大，则预示此锂电池单体中存在潜在故障风险。基于此，本发明将样本的方法应用于诊断动力锂电池早期故障单体，通过计算截取充电片段各个锂电池单体的变异系数，当两个变异系数值值突然增大超过阈值，即可诊断为存在早期故障的锂电池单体。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明的锂电池故障分析流程框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，皆属于本发明的保护范围。
参照图1，本实施例公开了一种基于扩展多维时间序列的锂电池故障分析方法，该方法包括以下步骤：
S1、构建二维矩阵的电池电压时序数据
在长度为N的电池电压序列中，选择宽度为w的时序窗口，在第i次移动时序窗口，开始统计时序窗口内电池电压时序数据的发放率向量ri，表示为ri＝(ri1，ri2，...，riw)，其中riw表示第i次移动时序窗口内第w个电池电压时序数据，i表示第几次移动时序窗口，w表示移动的时序窗口的数据个数；再按照设定的步长移动时序窗口，时序窗口移动的步长bin＝1，共计移动m-1次，统计每次移动的时序窗口内一组电池电压时序数据：ri1，ri2，...，riw，则生成m行w列的m×w的二维矩阵的电池电压时序数据；
S2、计算二维矩阵的变异系数Cv
对于二维矩阵的电池电压时序数据中每一行的每一个电池电压时序数据的发放率向量ri，计算其相应的标准差表达为/> 其中<…>表示求平均值，rij表示第i次移动时序窗口内电池电压时序数据中第j个数据；再计算第i次移动时序窗口内电池电压时序数据的发放率向量的变异系数/>表达为：/>最后对m次移动时序窗口内电池电压时序数据的发放率向量的变异系数求平均值，得到二维矩阵的电池电压时序数据变异系数Cv，表示为/>其中<…>表示求平均值，并将变异系数Cv与设定的阈值比较，判断锂电池是否存在故障低风险；
S3、计算单个电池的变异系数Cv2
对于m个时序窗口中第i个的电池电压时序数据发放率向量ri＝(ri1，ri2，…，riw)，其中1≤i≤m，计算向量中任意两个向量值之间的变异系数表示为其中，ri，j表示第j个电池中第i个电池电压时序数据的发放率向量；然后求出所有变异系数的平均值，即为单个电池时序数据的变异系数Cv2，表示为并将变异系数Cv2与设定的阈值比较，判断锂电池是否存在故障高风险。
本实施例中，电池电压时序数据发放率向量的变异系数与锂电池的不规则性、正常运行状态和异常故障概率有关联。变异系数Cv的值小于变异系数Cv2的值。变异系数Cv、变异系数Cv2的值在短时间内增大并超过阈值，即可诊断锂电池单体为存在早期的故障风险。
本实施例公开的基于扩展多维时间序列的锂电池故障分析方法的工作原理为：该故障分析方法将锂电池模组中的电压序列作为算法的输入，通过计算锂电池电压序列对应的标准差等指标的大小可以实现锂电池组早期故障的准确诊断。但是普遍使用一个时间周期内全部的数据进行分析，数据尺度单一，反应的信息量较少，故使用多维时间序列处理方法可以扩展锂电池电压时序数据的分析维度，解释锂电池电压的不规则性，对故障风险判断更加准确。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (5)
1.一种基于扩展多维时间序列的锂电池故障分析方法，其特征在于，该方法包括以下步骤：
S1、构建二维矩阵的电池电压时序数据
在长度为N的电池电压序列中，选择宽度为w的时序窗口，在第i次移动时序窗口，开始统计时序窗口内电池电压时序数据的发放率向量ri，表示为ri＝(ri1,ri2,…,riw)，其中riw表示第i次移动时序窗口内第w个电池电压时序数据，i表示第几次移动时序窗口，w表示移动的时序窗口的数据个数；再按照设定的步长移动时序窗口，共计移动m-1次，统计每次移动的时序窗口内一组电池电压时序数据：ri1,ri2,…,riw，则生成m行w列的m×w的二维矩阵的电池电压时序数据；
S2、计算二维矩阵的变异系数Cv
对于二维矩阵的电池电压时序数据中每一行的每一个电池电压时序数据的发放率向量ri，计算其相应的标准差表达为/> 其中<…>表示求平均值，rij表示第i次移动时序窗口内电池电压时序数据中第j个数据；再计算第i次移动时序窗口内电池电压时序数据的发放率向量的变异系数/>表达为：/>最后对m次移动时序窗口内电池电压时序数据的发放率向量的变异系数求平均值，得到二维矩阵的电池电压时序数据变异系数Cv，表示为/>其中<…>表示求平均值，并将变异系数Cv与设定的阈值比较，判断锂电池是否存在故障低风险；
S3、计算单个电池的变异系数Cv2
对于m个时序窗口中第i个的电池电压时序数据发放率向量ri＝(ri1,ri2,…,riw)，其中1≤i≤m，计算向量中任意两个向量值之间的变异系数表示为/>其中，ri,j表示第j个电池中第i个电池电压时序数据的发放率向量；然后求出所有变异系数的平均值，即为单个电池时序数据的变异系数Cv2，表示为/>并将变异系数Cv2与设定的阈值比较，判断锂电池是否存在故障高风险。
2.根据权利要求1所述的基于扩展多维时间序列的锂电池故障分析方法，其特征在于，所述电池电压时序数据发放率向量的变异系数与锂电池的不规则性、正常运行状态和异常故障概率有关联。
3.根据权利要求2所述的基于扩展多维时间序列的锂电池故障分析方法，其特征在于，所述变异系数Cv的值小于变异系数Cv2的值。
4.根据权利要求3所述的基于扩展多维时间序列的锂电池故障分析方法，其特征在于，所述变异系数Cv、变异系数Cv2的值在短时间内增大并超过阈值，即可诊断锂电池单体为存在早期的故障风险。
5.根据权利要求1所述的基于扩展多维时间序列的锂电池故障分析方法，其特征在于，所述时序窗口移动的步长bin＝1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311463730.0A CN117572241A (zh) | 2023-11-06 | 2023-11-06 | 一种基于扩展多维时间序列的锂电池故障分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311463730.0A CN117572241A (zh) | 2023-11-06 | 2023-11-06 | 一种基于扩展多维时间序列的锂电池故障分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117572241A true CN117572241A (zh) | 2024-02-20 |
Family
ID=89890812
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311463730.0A Pending CN117572241A (zh) | 2023-11-06 | 2023-11-06 | 一种基于扩展多维时间序列的锂电池故障分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117572241A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118003893A (zh) * | 2024-04-09 | 2024-05-10 | 湖南工程学院 | 一种新能源汽车驱动装置运行管理方法 |
-
2023
- 2023-11-06 CN CN202311463730.0A patent/CN117572241A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118003893A (zh) * | 2024-04-09 | 2024-05-10 | 湖南工程学院 | 一种新能源汽车驱动装置运行管理方法 |
| CN118003893B (zh) * | 2024-04-09 | 2024-06-07 | 湖南工程学院 | 一种新能源汽车驱动装置运行管理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111707951B (zh) | 一种电池组一致性评估方法及*** | |
| CN113156917A (zh) | 基于人工智能的电网设备故障诊断方法及*** | |
| CN117572241A (zh) | 一种基于扩展多维时间序列的锂电池故障分析方法 | |
| CN112255560B (zh) | 一种电池电芯健康度预测方法 | |
| Qiu et al. | Fault diagnosis for lithium-ion battery energy storage systems based on local outlier factor | |
| CN113253128B (zh) | 一种电池***soc一致性评估方法和内阻一致性评估方法 | |
| CN115366683A (zh) | 一种新能源汽车动力电池多维模型融合的故障诊断策略 | |
| CN113447828A (zh) | 一种基于贝叶斯神经网络的锂电池温度估计方法及*** | |
| CN111983474A (zh) | 一种基于容量衰退模型的锂离子电池寿命预测方法和*** | |
| CN113765179A (zh) | 基于层次聚类及类中心距的云端电池组一致性分析方法 | |
| CN115219903A (zh) | 基于车联网数据分析的电池自放电率异常判断方法及装置 | |
| Ding et al. | Diagnosis of connection fault for parallel-connected lithium-ion batteries based on long short-term memory networks | |
| Liu et al. | Review on degradation mechanism and health state estimation methods of lithium-ion batteries | |
| CN117783745B (zh) | 用于换电柜的数据在线监测方法及*** | |
| CN114646888A (zh) | 一种动力电池容量衰减的评估方法及*** | |
| CN117665620A (zh) | 基于新能源汽车数据的电池健康度评估方法 | |
| 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 | |
| CN116901707A (zh) | 一种动力电池组故障预警方法、***及车辆 | |
| CN116990697A (zh) | 一种基于概率分布的锂电池组内异常单体检测方法 | |
| CN115201681A (zh) | 一种锂电池安全性能检测方法及*** | |
| Qi et al. | Battery pack capacity estimation for electric vehicles based on enhanced machine learning and field data | |
| CN114879043A (zh) | 锂离子电池析锂诊断方法、装置、设备和介质 | |
| Li et al. | State of health estimation and prediction of electric vehicle power battery based on operational vehicle data | |
| CN115825755B (zh) | 一种储能电池电芯电压一致性评估方法 | |
| Xu et al. | Prediction of Lithium-ion Battery Remaining Useful Life Based on Long Short Term Memory |
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 |