CN118172913A - 一种智能动力电池热失控预警*** - Google Patents
一种智能动力电池热失控预警*** Download PDFInfo
- Publication number
- CN118172913A CN118172913A CN202410594502.5A CN202410594502A CN118172913A CN 118172913 A CN118172913 A CN 118172913A CN 202410594502 A CN202410594502 A CN 202410594502A CN 118172913 A CN118172913 A CN 118172913A
- Authority
- CN
- China
- Prior art keywords
- power battery
- module
- thermal runaway
- early warning
- preset
- 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
- 238000004458 analytical method Methods 0.000 claims abstract description 118
- 230000005856 abnormality Effects 0.000 claims abstract description 46
- 238000012544 monitoring process Methods 0.000 claims abstract description 40
- 239000000110 cooling liquid Substances 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000001816 cooling Methods 0.000 claims abstract description 32
- 230000002159 abnormal effect Effects 0.000 claims description 67
- 238000007599 discharging Methods 0.000 claims description 23
- 239000002826 coolant Substances 0.000 claims description 20
- 238000005457 optimization Methods 0.000 claims description 13
- 238000010586 diagram Methods 0.000 description 8
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 3
- 229910001416 lithium ion Inorganic materials 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
Landscapes
- Secondary Cells (AREA)
Abstract
本发明涉及动力电池技术领域,尤其涉及一种智能动力电池热失控预警***,所述***包括,信息获取模块,获取动力电池运行数据、压力数据和动力电池参数;异常分析模块,对动力电池运行状态的异常性进行分析;温度分析模块,对动力电池模组温度的异常性进行分析;预警模块,向用户进行动力电池热失控预警;冷却管理模块,对下一监测周期冷却液的流量进行管理,并根据动力电池的能量密度与动力电池的充放电次数对管理过程进行优化;预警迭代模块,根据获取的管理周期内的动力电池容量对下一管理周期动力电池的热失控预警过程进行迭代。本发明提高了动力电池的热失控预警效率与动力电池的安全性。
Description
技术领域
本发明涉及动力电池技术领域,尤其涉及一种智能动力电池热失控预警***。
背景技术
现有技术中,电池管理***通常通过监控电池的温度、电压和电流来评估其工作状态。但是,这些参数往往只能提供有限的信息,并且在热失控发生初期,这些指标可能尚未出现明显异常,从而错失最佳预警时机。
中国专利公开号:CN110370984A公开了一种动力电池热失控预警方法,通过电池单体电压和电池单体温度的实时检测数据,计算最低电池单体电压对平均电压的异常偏移,计算最高单体温度对平均温度的异常偏移。检测电池模组的电池值,并根据上述各种检测参数,计算荷电状态的异常偏移。同时实时检测可燃气体浓度和气体压力,判断可燃气体浓度是否达到阈值,气体压力是否达到阈值。综合考虑以上各参数,进行热失控预警。通过该方法可以在热失控发生前将热失控预警出来,从而很大程度降低了热失控造成的危害。本申请将有助于提高动力电池安全管理的可靠性,减少锂离子动力电池安全性事故的发生;由此可见,该方案在对动力电池进行热失控预警时,仅针对电压、温度与可燃气体进行分析,存在动力电池的热失控预警效率低、动力电池的安全性低的问题。
发明内容
为此,本发明提供一种智能动力电池热失控预警***,用以克服现有技术中动力电池的热失控预警效率低、动力电池的安全性低的问题。
为实现上述目的,本发明提供一种智能动力电池热失控预警***,所述***包括,
信息获取模块,用以获取动力电池运行数据、压力数据和动力电池参数;
异常分析模块,用以根据获取的动力电池的充电功率、动力电池放电功率和动力电池电流对动力电池运行状态的异常性进行分析;
温度分析模块,用以根据动力电池运行状态异常性的分析结果与动力电池模组温度对动力电池模组温度的异常性进行分析;
预警模块,用以根据动力电池模组温度异常性的分析结果与动力电池模组压力向用户进行动力电池热失控预警;
冷却管理模块,用以根据监测周期内动力电池的热失控预警结果与动力电池内阻对下一监测周期冷却液的流速进行管理,还用以根据动力电池的能量密度对管理过程进行一次优化,还用以根据动力电池的充放电次数对管理过程进行二次优化;
预警迭代模块,用以根据获取的管理周期内的动力电池容量对下一管理周期动力电池的热失控预警过程进行迭代。
进一步地,所述异常分析模块设有功率分析单元,所述功率分析单元用以将获取的动力电池的充电功率a0、放电功率b0分别与预设充电功率a1预设放电功率b1进行比对,并根据比对结果对动力电池充放电功率的异常性进行分析,其中:
当a0≤a1或b0≤b1时,所述功率分析单元判定动力电池的充放电功率正常;
当a0>a1或b0>b1时,所述功率分析单元判定动力电池的充放电功率异常。
进一步地,所述异常分析模块设有状态分析单元,所述状态分析单元用以根据动力电池充放电功率的异常分析结果与动力电池的电流c0对动力电池运行状态的异常性进行分析,其中:
当动力电池的充放电功率正常时,若c0≤c1,所述状态分析单元判定动力电池的运行状态正常;若c0>c1,所述状态分析单元判定动力电池的运行状态异常;
当动力电池的充放电功率异常且a0>a1时,若c0≤c1×[1-sin(a0-a1)×(π/2)/(a0+a1)],所述状态分析单元判定动力电池的运行状态正常;若c0>c1×[1-sin(a0-a1)×(π/2)/(a0+a1)],所述状态分析单元判定动力电池的运行状态异常;
当动力电池的充放电功率异常且b0>b1时,若c0≤c1×[1-sin(b0-b1)×(π/2)/(b0+b1)],所述状态分析单元判定动力电池的运行状态正常;若c0>c1×[1-sin(b0-b1)×(π/2)/(b0+b1)],所述状态分析单元判定动力电池的运行状态异常。
进一步地,所述温度分析模块根据动力电池运行状态异常性的分析结果与获取的动力电池模组温度对动力电池模组的温度异常等级进行划分,其中:
当动力电池的运行状态正常时,若f0i≤f1,所述温度分析模块判定编号为i的动力电池模组的温度正常;若f1<f0i<f2时,所述温度分析模块判定编号为i的动力电池模组的温度一级异常;若f0i>f2时,所述温度分析模块判定编号为i的动力电池模组的温度二级异常;
当动力电池的运行状态异常时,若f0i≤f3,所述温度分析模块判定编号为i的动力电池模组的温度正常;若f3<f0i<f4时,所述温度分析模块判定编号为i的动力电池模组的温度一级异常;若f0i>f4时,所述温度分析模块判定编号为i的动力电池模组的温度二级异常;
其中,f0i为编号为i的动力电池模组的温度,f1为第一预设温度阈值,f2为第二预设温度阈值,f3为第三预设温度阈值,f4为第四预设温度阈值,f3<f1<f4<f2。
进一步地,所述预警模块设有压力分析单元,所述压力分析单元用以将各动力电池模组压力与各预设压力进行比对,并根据比对结果对动力电池模组压力的风险等级进行分析,其中:
当p0i≤p1时,所述压力分析单元判定编号为i的动力电池模组的压力正常;
当p1<p0i<p2时,所述压力分析单元判定编号为i的动力电池模组的压力风险等级为低风险;
当p0i≥p2时,所述压力分析单元判定编号为i的动力电池模组的压力风险等级为高风险;
其中,p0i为编号为i的动力电池模组的压力,p1第一预设压力,p2为第二预设压力。
进一步地,所述预警模块设有预警单元,所述预警单元根据动力电池模组压力风险等级的分析结果与温度异常等级的划分结果向用户进行动力电池热失控预警,其中:
当s1>0或s2>0时,所述预警单元判定动力电池的热失控风险为高风险,并向用户进行动力电池热失控高风险预警;
当s1=0且s2=0时,若w1×s3/i0+w2×s4/i0≤m1,所述预警单元判定动力电池的热失控风险为低风险,不向用户进行预警,若m1<w1×s3/i0+w2×s4/i0<m2,所述预警单元判定动力电池的热失控风险为中风险,并向用户进行动力电池热失控中风险预警,若w1×s3/i0+w2×s4/i0≥m2,所述预警单元判定动力电池的热失控风险为高风险,并向用户进行动力电池热失控高风险预警;
其中,s1为温度二级异常的动力电池模组的数量,s2为高风险压力等级的动力电池模组的数量,s3为温度一级异常的动力电池模组的数量,s4为低风险压力等级的动力电池模组的数量,i0为动力电池包中动力电池模组的数量,w1为预设温度权重,w2为预设压力权重,w1+w2=1且w1<w2,m1为第一预设异常系数,m2为第二预设异常系数。
进一步地,所述冷却管理模块设有冷却管理单元,所述冷却管理单元用以根据监测周期内动力电池的热失控预警结果与动力电池的内阻n0对下一监测周期冷却液的流速进行管理,其中:
当n0≤n1时,若α×z1+z2≤z0,所述冷却管理单元将下一监测周期冷却液的流速设为U1,设定U1=u0;若α×z1+z2>z0,所述冷却管理单元将下一监测周期冷却液的流速设为U2,设定U2=u0×{1+(π/2)×arctan[sin(α×z1+z2-z0)/(α×z1+z2+z0)]};
当n0>n1时,若α×z1+z2≤z0×[1-β×(n0-n1)/(n1+n0)],所述冷却管理单元将下一监测周期冷却液的流速设为U3,设定U3=u0;若α×z1+z2>z0×[1-β×(n0-n1)/(n1+n0)],所述冷却管理单元将下一监测周期冷却液的流速设为U4,设定U4=u0×{1+(π/2)×arctan{sin{α×z1+z2-z0×[1-β×(n0-n1)/(n1+n0)]}/{α×z1+z2+z0×[1-β×(n0-n1)/(n1+n0)]}};
其中,当Uu≥u1时,Uu的取值为u1,Uu为冷却液流速的分析结果,u=1,2,3,4;u1为冷却液流速阈值,n1为预设内阻,α为预设调整系数,z1为监测周期内动力电池热失控中风险预警的次数,z2为监测周期内动力电池热失控高风险预警的次数,z0为预设预警阈值,u0为预设冷却液流速,β为调节系数。
进一步地,所述冷却管理模块设有第一优化单元,所述第一优化单元用以将动力电池的能量密度k0与预设密度k1进行比对,并根据比对结果对冷却液流速的管理过程进行一次优化,其中:
当k0≤k1时,所述第一优化单元判定动力电池的能量密度正常,不进行优化;
当k0>k1时,所述第一优化单元判定电池的能量密度异常,并对冷却液流速的管理过程进行一次优化,将优化后的预设冷却液流速设为u0’,设定:
u0’=u0×{1+{exp{sin(k0-k1)×(π/2)/(k0+k1)}-1}/2}。
进一步地,所述冷却管理模块设有第二优化单元,所述第二优化单元用以将动力电池的充放电次数r0与预设次数r1进行比对,并根据比对结果对冷却液流速的管理过程进行二次优化,其中:
当r0≤r1时,所述第二优化单元判定动力电池的充放电次数正常,不进行优化;
当r0>r1时,所述第二优化单元判定动力电池的充放电次数异常,并对冷却液流速的管理过程进行二次优化,将优化后的预设能量密度设为k1’,设定k1’={1-ln[(r0-r1)/(r0+r1)+1]}。
进一步地,所述预警迭代模块将管理周期内获取的动力电池容量y0对下一管理周期动力电池的热失控预警过程进行迭代,其中:
当(y1-y0)/y1≤Y时,所述预警迭代模块判定当前管理周期动力电池的容量衰减正常,不进行迭代;
当(y1-y0)/y1>Y时,所述预警迭代模块判定当前管理周期动力电池的容量衰减异常,并对下一管理周期动力电池的热失控预警过程进行迭代,所述预警迭代模块将迭代后的第一预设异常系数设为m1’,设定:m1’=m1×{1-γ×[(y1-y0)/y1-Y]/[(y1-y0)/y1+Y]},将迭代后的第二预设异常系数设为m2’,设定m2’=m2×{1-γ×[(y1-y0)/y1-Y]/[(y1-y0)/y1+Y]};
其中,y1为与当前管理周期相邻的上一管理周期的动力电池容量,Y为预设衰减比例,γ为更新系数。
与现有技术相比,本发明的有益效果在于,所述异常分析模块通过设置预设充电功率与预设放电功率以提高动力电池充放电功率异常性分析的准确性,进而提高了动力电池运行状态的准确性,从而提高了动力电池热失控预警的准确性,通过设置预设电流以提高动力电池运行状态的准确性,从而提高了动力电池热失控预警的准确性,所述温度分析模块通过设置预设温度阈值以提高动力电池温度异常等级分析的准确性,从而提高了动力电池热失控预警的准确性,所述预警模块通过设置预设压力以提高动力电池压力风险等级分析的准确性,从而提高了动力电池热失控预警的准确性,通过设置各预设权重与各预设异常系数以提高动力电池热失控预警的准确性,所述冷却管理模块通过设置预设冷却液流速、调节系数与预设内阻以提高冷却液流速管理的准确性,从而提高了动力电池的热失控预警效率与动力电池的安全性,通过设置预设密度以减少能量密度过大对冷却液流速管理的影响,进而提高冷却液流速管理的准确性,从而提高了动力电池的热失控预警效率与动力电池的安全性,通过设置预设次数以减少动力电池充放电次数过多对冷却液流速管理的影响,进而提高冷却液流速管理的准确性,从而提高了动力电池的热失控预警效率与动力电池的安全性,所述预警迭代模块通过设置预设衰减比例与预设更新系数以提高动力电池热失控预警的准确性,进而提高冷却液流速管理的准确性,最终提高了动力电池的热失控预警效率与动力电池的安全性。
附图说明
图1为本实施例一种智能动力电池热失控预警***的结构示意图;
图2为本实施例异常分析模块的结构示意图;
图3为本实施例预警模块的结构示意图;
图4为本实施例冷却管理模块的结构示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,其为本实施例一种智能动力电池热失控预警***的结构示意图,所述***包括,
信息获取模块,用以获取动力电池运行数据、压力数据和动力电池参数;所述动力电池为若干动力电池模组组成的电池包,所述动力电池模组由若干动力电池单元组成;所述动力电池的运行数据包括动力电池的充电功率、放电功率、电流、动力电池充放电次数和动力电池模组温度;所述压力数据为动力电池模组压力,所述动力电池模组压力为气体压力;所述动力电池的参数包括动力电池内阻、动力电池容量与动力电池能量密度;本实施例中不对动力电池运行数据、压力数据和动力电池参数的获取方式作具体限定,本领域技术人员可自由设置,只需满足动力电池运行数据、压力数据和动力电池参数的获取要求即可,其中,动力电池运行数据可通过BMS***获取,压力数据可通过压力传感器获取,动力电池容量可通过多速率放电法获取,动力电池内阻可通过内阻测试仪获取,动力电池能量密度可通过交互获取;
异常分析模块,用以根据获取的动力电池的充电功率、动力电池放电功率和动力电池电流对动力电池运行状态的异常性进行分析,异常分析模块与所述信息获取模块连接;
温度分析模块,用以根据动力电池运行状态异常性的分析结果与动力电池模组温度对动力电池模组温度的异常性进行分析,温度异常性与所述异常分析模块连接;
预警模块,用以根据动力电池模组温度异常性的分析结果与动力电池模组压力向用户进行动力电池热失控预警,预警模块与所述温度分析模块连接;
冷却管理模块,用以根据监测周期内动力电池的热失控预警结果与动力电池内阻对下一监测周期冷却液的流速进行管理,还用以根据动力电池的能量密度对管理过程进行一次优化,还用以根据动力电池的充放电次数对管理过程进行二次优化,冷却管理模块与所述预警模块连接;本实施例中不对监测周期的设置做具体限定,本领域技术人员可自由设置,只需满足监测周期的设计要求即可,其中,监测周期可设置为30天、60天等;
预警迭代模块,用以根据获取的管理周期内的动力电池容量对下一管理周期动力电池的热失控预警过程进行迭代,管理迭代模块与所述预警模块连接;本实施例中不对管理周期的设置作具体限定,本领域技术人员可自由设置,只需满足管理周期的设计要求即可,其中,管理周期的设置应大于监测周期的设置,管理周期可设置为180天、360天等。
请参阅图2所示,其为本实施例异常分析模块的结构示意图,所述异常分析模块包括,
功率分析单元,用以根据获取的动力电池的充电功率和放电功率对动力电池充放电功率的异常性进行分析;
状态分析单元,用以根据动力电池充放电功率的异常分析结果与动力电池的电流对动力电池运行状态的异常性进行分析,状态分析单元与所述功率分析单元连接。
请参阅图3所示,其为本实施例预警模块的结构示意图,所述预警模块包括,
压力分析单元,用以根据获取的各动力电池模组压力对动力电池模组压力的风险等级进行分析;
预警单元,用以根据动力电池模组压力风险等级的分析结果与温度异常等级的划分结果向用户进行动力电池热失控预警,预警单元与所述压力分析单元连接。
请参阅图4所示,其为本实施例预警模块的结构示意图,所述预警模块包括,
冷却管理单元,用以根据监测周期内动力电池的热失控预警结果与动力电池的内阻对下一监测周期冷却液的流速进行管理;
第一优化单元,用以根据动力电池的能量密度对冷却液流速的管理过程进行一次优化,第一优化单元与所述冷却管理单元连接;
第二优化单元,用以根据动力电池的充放电次数对冷却液流速的管理过程进行二次优化,第二优化单元与所述第一优化单元连接。
具体而言,本实施例所述智能动力电池热失控预警***应用于新能源汽车的动力电池热失控预警,通过对动力电池的运行状态与动力电池模组的温度进行分析,并根据分析结果与动力电池模组的压力向用户进行动力电池热失控预警,根据预警结果对冷却过程进行管理,本发明提高了动力电池的热失控预警效率与动力电池的安全性。
具体而言,所述功率分析单元将获取的动力电池的充电功率a0、放电功率b0分别与预设充电功率a1预设放电功率b1进行比对,并根据比对结果对动力电池充放电功率的异常性进行分析,其中:
当a0≤a1或b0≤b1时,所述功率分析单元判定动力电池的充放电功率正常;
当a0>a1或b0>b1时,所述功率分析单元判定动力电池的充放电功率异常。
具体而言,所述功率分析单元通过设置预设充电功率与预设放电功率以提高动力电池充放电功率异常性分析的准确性,进而提高了动力电池运行状态的准确性,从而提高了动力电池热失控预警的准确性,最终提高了动力电池的热失控预警效率与动力电池的安全性;本实施例中不对预设充电功率与预设放电功率的取值做具体限定,本领域技术人员可自由设置,只需满足预设充电功率与预设放电功率的取值要求即可,其中,a1的最佳取值为50kw,b1的最佳取值为100kw。
具体而言,所述状态分析单元根据动力电池充放电功率的异常分析结果与动力电池的电流c0对动力电池运行状态的异常性进行分析,其中:
当动力电池的充放电功率正常时,若c0≤c1,所述状态分析单元判定动力电池的运行状态正常;若c0>c1,所述状态分析单元判定动力电池的运行状态异常;
当动力电池的充放电功率异常且a0>a1时,若c0≤c1×[1-sin(a0-a1)×(π/2)/(a0+a1)],所述状态分析单元判定动力电池的运行状态正常;若c0>c1×[1-sin(a0-a1)×(π/2)/(a0+a1)],所述状态分析单元判定动力电池的运行状态异常;
当动力电池的充放电功率异常且b0>b1时,若c0≤c1×[1-sin(b0-b1)×(π/2)/(b0+b1)],所述状态分析单元判定动力电池的运行状态正常;若c0>c1×[1-sin(b0-b1)×(π/2)/(b0+b1)],所述状态分析单元判定动力电池的运行状态异常;
其中,c1为预设电流。
具体而言,所述状态分析单元通过设置预设电流以提高动力电池运行状态的准确性,从而提高了动力电池热失控预警的准确性,最终提高了动力电池的热失控预警效率与动力电池的安全性;本实施例中不对预设电流的取值做具体限定,本领域技术人员可自由设置,只需满足预设电流的取值要求即可,其中,c1的最佳取值为400A。
具体而言,所述温度分析模块根据动力电池运行状态异常性的分析结果与获取的动力电池模组温度对动力电池模组的温度异常等级进行划分,其中:
当动力电池的运行状态正常时,若f0i≤f1,所述温度分析模块判定编号为i的动力电池模组的温度正常;若f1<f0i<f2时,所述温度分析模块判定编号为i的动力电池模组的温度一级异常;若f0i>f2时,所述温度分析模块判定编号为i的动力电池模组的温度二级异常;
当动力电池的运行状态异常时,若f0i≤f3,所述温度分析模块判定编号为i的动力电池模组的温度正常;若f3<f0i<f4时,所述温度分析模块判定编号为i的动力电池模组的温度一级异常;若f0i>f4时,所述温度分析模块判定编号为i的动力电池模组的温度二级异常;
其中,f0i为编号为i的动力电池模组的温度,f1为第一预设温度阈值,f2为第二预设温度阈值,f3为第三预设温度阈值,f4为第四预设温度阈值,f3<f1<f4<f2。
具体而言,所述温度分析模块通过设置预设温度阈值以提高动力电池温度异常等级分析的准确性,从而提高了动力电池热失控预警的准确性,最终提高了动力电池的热失控预警效率与动力电池的安全性;本实施例中不对预设温度阈值的取值做具体限定,本领域技术人员可自由设置,只需满足预设温度阈值的取值要求即可,其中,当动力电池为锂离子电池时,f3的最佳取值为46℃,f1的最佳取值为50℃,f4的最佳取值为56℃,f2的最佳取值为60℃。
具体而言,所述压力分析单元将各动力电池模组压力与各预设压力进行比对,并根据比对结果对动力电池模组压力的风险等级进行分析,其中:
当p0i≤p1时,所述压力分析单元判定编号为i的动力电池模组的压力正常;
当p1<p0i<p2时,所述压力分析单元判定编号为i的动力电池模组的压力风险等级为低风险;
当p0i≥p2时,所述压力分析单元判定编号为i的动力电池模组的压力风险等级为高风险;
其中,p0i为编号为i的动力电池模组的压力,p1第一预设压力,p2为第二预设压力,p1<p2。
具体而言,所述压力分析单元通过设置预设压力以提高动力电池压力风险等级分析的准确性,从而提高了动力电池热失控预警的准确性,最终提高了动力电池的热失控预警效率与动力电池的安全性;本实施例中不对预设压力的取值做具体限定,本领域技术人员可自由设置,只需满足预设压力的取值要求即可,其中,p1的最佳取值为1.45×105pa,p2的最佳取值为1.5×105pa。
具体而言,所述预警单元根据动力电池模组压力风险等级的分析结果与温度异常等级的划分结果向用户进行动力电池热失控预警,其中:
当s1>0或s2>0时,所述预警单元判定动力电池的热失控风险为高风险,并向用户进行动力电池热失控高风险预警;
当s1=0且s2=0时,若w1×s3/i0+w2×s4/i0≤m1,所述预警单元判定动力电池的热失控风险为低风险,不向用户进行预警,若m1<w1×s3/i0+w2×s4/i0<m2,所述预警单元判定动力电池的热失控风险为中风险,并向用户进行动力电池热失控中风险预警,若w1×s3/i0+w2×s4/i0≥m2,所述预警单元判定动力电池的热失控风险为高风险,并向用户进行动力电池热失控高风险预警;
其中,s1为温度二级异常的动力电池模组的数量,s2为高风险压力等级的动力电池模组的数量,s3为温度一级异常的动力电池模组的数量,s4为低风险压力等级的动力电池模组的数量,i0为动力电池包中动力电池模组的数量,w1为预设温度权重,w2为预设压力权重,w1+w2=1且w1<w2,m1为第一预设异常系数,m2为第二预设异常系数,m1<m2。
具体而言,所述预警单元通过设置各预设权重与各预设异常系数以提高动力电池热失控预警的准确性,进而提高冷却液流速管理的准确性,最终提高了动力电池的热失控预警效率与动力电池的安全性;本实施例中不对各预设权重与各预设异常系数的取值做具体限定,本领域技术人员可自由设置,只需满足各预设权重与各预设异常系数的取值要求即可,其中,w1的最佳取值为0.45,w2的最佳取值为0.55,m1的最佳取值为0.23,m2的最佳取值为0.45。
具体而言,所述冷却管理单元根据监测周期内动力电池的热失控预警结果与动力电池的内阻n0对下一监测周期冷却液的流速进行管理,其中:
当n0≤n1时,若α×z1+z2≤z0,所述冷却管理单元将下一监测周期冷却液的流速设为U1,设定U1=u0;若α×z1+z2>z0,所述冷却管理单元将下一监测周期冷却液的流速设为U2,设定U2=u0×{1+(π/2)×arctan[sin(α×z1+z2-z0)/(α×z1+z2+z0)]};
当n0>n1时,若α×z1+z2≤z0×[1-β×(n0-n1)/(n1+n0)],所述冷却管理单元将下一监测周期冷却液的流速设为U3,设定U3=u0;若α×z1+z2>z0×[1-β×(n0-n1)/(n1+n0)],所述冷却管理单元将下一监测周期冷却液的流速设为U4,设定U4=u0×{1+(π/2)×arctan{sin{α×z1+z2-z0×[1-β×(n0-n1)/(n1+n0)]}/{α×z1+z2+z0×[1-β×(n0-n1)/(n1+n0)]}};
其中,当Uu≥u1时,Uu的取值为u1,Uu为冷却液流速的分析结果,u=1,2,3,4;u1为冷却液流速阈值,n1为预设内阻,α为预设调整系数,z1为监测周期内动力电池热失控中风险预警的次数,z2为监测周期内动力电池热失控高风险预警的次数,z0为预设预警阈值,u0为预设冷却液流速,β为调节系数。
具体而言,所述冷却管理单元通过设置预设冷却液流速、调节系数与预设内阻以提高冷却液流速管理的准确性,从而提高了动力电池的热失控预警效率与动力电池的安全性;本实施例中不对预设冷却液流速、调节系数与预设内阻的取值做具体限定,本领域技术人员可自由设置,只需满足预设冷却液流速、调节系数与预设内阻的取值要求即可,其中,当监测周期为30天时,u1的最佳取值为15L/min,u2的最佳取值为8L/min,α的最佳取值为0.25,β的最佳取值为0.56,n1的最佳取值为100毫欧,z0的最佳取值为5。
具体而言,所述第一优化单元将动力电池的能量密度k0与预设密度k1进行比对,并根据比对结果对冷却液流速的管理过程进行一次优化,其中:
当k0≤k1时,所述第一优化单元判定动力电池的能量密度正常,不进行优化;
当k0>k1时,所述第一优化单元判定电池的能量密度异常,并对冷却液流速的管理过程进行一次优化,将优化后的预设冷却液流速设为u0’,设定:
u0’=u0×{1+{exp{sin(k0-k1)×(π/2)/(k0+k1)}-1}/2}。
具体而言,所述第一优化单元通过设置预设密度以减少能量密度过大对冷却液流速管理的影响,进而提高冷却液流速管理的准确性,从而提高了动力电池的热失控预警效率与动力电池的安全性;本实施例中不对预设密度的取值做具体限定,本领域技术人员可自由设置,只需满足预设密度的取值要求即可,其中,当动力电池为锂离子电池时,k1的最佳取值为300 Wh/kg。
具体而言,所述第二优化单元将动力电池的充放电次数r0与预设次数r1进行比对,并根据比对结果对冷却液流速的管理过程进行二次优化,其中:
当r0≤r1时,所述第二优化单元判定动力电池的充放电次数正常,不进行优化;
当r0>r1时,所述第二优化单元判定动力电池的充放电次数异常,并对冷却液流速的管理过程进行二次优化,将优化后的预设能量密度设为k1’,设定k1’={1-ln[(r0-r1)/(r0+r1)+1]}。
具体而言,所述第二优化单元通过设置预设次数以减少动力电池充放电次数过多对冷却液流速管理的影响,进而提高冷却液流速管理的准确性,从而提高了动力电池的热失控预警效率与动力电池的安全性;本实施例中不对预设次数的取值做具体限定,本领域技术人员可自由设置,只需满足预设次数的取值要求即可,其中,当动力电池为锂离子电池时,r1的最佳取值为1000次。
具体而言,所述预警迭代模块将管理周期内获取的动力电池容量y0对下一管理周期动力电池的热失控预警过程进行迭代,其中:
当(y1-y0)/y1≤Y时,所述预警迭代模块判定当前管理周期动力电池的容量衰减正常,不进行迭代;
当(y1-y0)/y1>Y时,所述预警迭代模块判定当前管理周期动力电池的容量衰减异常,并对下一管理周期动力电池的热失控预警过程进行迭代,所述预警迭代模块将迭代后的第一预设异常系数设为m1’,设定:m1’=m1×{1-γ×[(y1-y0)/y1-Y]/[(y1-y0)/y1+Y]},将迭代后的第二预设异常系数设为m2’,设定m2’=m2×{1-γ×[(y1-y0)/y1-Y]/[(y1-y0)/y1+Y]};
其中,y1为与当前管理周期相邻的上一管理周期的动力电池容量,Y为预设衰减比例,γ为更新系数。
具体而言,所述预警迭代模块通过设置预设衰减比例与预设更新系数以提高动力电池热失控预警的准确性,进而提高冷却液流速管理的准确性,最终提高了动力电池的热失控预警效率与动力电池的安全性;本实施例中不对预设衰减比例与预设更新系数的取值做具体限定,本领域技术人员可自由设置,只需满足预设衰减比例与预设更新系数的取值要求即可,其中,当管理周期为180天时,Y的最佳取值为0.02,γ的最佳取值为0.68。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种智能动力电池热失控预警***,其特征在于,包括,
信息获取模块,用以获取动力电池运行数据、压力数据和动力电池参数;
异常分析模块,用以根据获取的动力电池的充电功率、动力电池放电功率和动力电池电流对动力电池运行状态的异常性进行分析;
温度分析模块,用以根据动力电池运行状态异常性的分析结果与动力电池模组温度对动力电池模组温度的异常性进行分析;
预警模块,用以根据动力电池模组温度异常性的分析结果与动力电池模组压力向用户进行动力电池热失控预警;
冷却管理模块,用以根据监测周期内动力电池的热失控预警结果与动力电池内阻对下一监测周期冷却液的流速进行管理,还用以根据动力电池的能量密度对管理过程进行一次优化,还用以根据动力电池的充放电次数对管理过程进行二次优化;
预警迭代模块,用以根据获取的管理周期内的动力电池容量对下一管理周期动力电池的热失控预警过程进行迭代。
2.根据权利要求1所述的智能动力电池热失控预警***,其特征在于,所述异常分析模块设有功率分析单元,所述功率分析单元用以将获取的动力电池的充电功率a0、放电功率b0分别与预设充电功率a1预设放电功率b1进行比对,并根据比对结果对动力电池充放电功率的异常性进行分析,其中:
当a0≤a1或b0≤b1时,所述功率分析单元判定动力电池的充放电功率正常;
当a0>a1或b0>b1时,所述功率分析单元判定动力电池的充放电功率异常。
3.根据权利要求2所述的智能动力电池热失控预警***,其特征在于,所述异常分析模块设有状态分析单元,所述状态分析单元用以根据动力电池充放电功率的异常分析结果与动力电池的电流c0对动力电池运行状态的异常性进行分析,其中:
当动力电池的充放电功率正常时,若c0≤c1,所述状态分析单元判定动力电池的运行状态正常;若c0>c1,所述状态分析单元判定动力电池的运行状态异常;
当动力电池的充放电功率异常且a0>a1时,若c0≤c1×[1-sin(a0-a1)×(π/2)/(a0+a1)],所述状态分析单元判定动力电池的运行状态正常;若c0>c1×[1-sin(a0-a1)×(π/2)/(a0+a1)],所述状态分析单元判定动力电池的运行状态异常;
当动力电池的充放电功率异常且b0>b1时,若c0≤c1×[1-sin(b0-b1)×(π/2)/(b0+b1)],所述状态分析单元判定动力电池的运行状态正常;若c0>c1×[1-sin(b0-b1)×(π/2)/(b0+b1)],所述状态分析单元判定动力电池的运行状态异常。
4.根据权利要求3所述的智能动力电池热失控预警***,其特征在于,所述温度分析模块根据动力电池运行状态异常性的分析结果与获取的动力电池模组温度对动力电池模组的温度异常等级进行划分,其中:
当动力电池的运行状态正常时,若f0i≤f1,所述温度分析模块判定编号为i的动力电池模组的温度正常;若f1<f0i<f2时,所述温度分析模块判定编号为i的动力电池模组的温度一级异常;若f0i>f2时,所述温度分析模块判定编号为i的动力电池模组的温度二级异常;
当动力电池的运行状态异常时,若f0i≤f3,所述温度分析模块判定编号为i的动力电池模组的温度正常;若f3<f0i<f4时,所述温度分析模块判定编号为i的动力电池模组的温度一级异常;若f0i>f4时,所述温度分析模块判定编号为i的动力电池模组的温度二级异常;
其中,f0i为编号为i的动力电池模组的温度,f1为第一预设温度阈值,f2为第二预设温度阈值,f3为第三预设温度阈值,f4为第四预设温度阈值,f3<f1<f4<f2。
5.根据权利要求4所述的智能动力电池热失控预警***,其特征在于,所述预警模块设有压力分析单元,所述压力分析单元用以将各动力电池模组压力与各预设压力进行比对,并根据比对结果对动力电池模组压力的风险等级进行分析,其中:
当p0i≤p1时,所述压力分析单元判定编号为i的动力电池模组的压力正常;
当p1<p0i<p2时,所述压力分析单元判定编号为i的动力电池模组的压力风险等级为低风险;
当p0i≥p2时,所述压力分析单元判定编号为i的动力电池模组的压力风险等级为高风险;
其中,p0i为编号为i的动力电池模组的压力,p1第一预设压力,p2为第二预设压力。
6.根据权利要求5所述的智能动力电池热失控预警***,其特征在于,所述预警模块设有预警单元,所述预警单元根据动力电池模组压力风险等级的分析结果与温度异常等级的划分结果向用户进行动力电池热失控预警,其中:
当s1>0或s2>0时,所述预警单元判定动力电池的热失控风险为高风险,并向用户进行动力电池热失控高风险预警;
当s1=0且s2=0时,若w1×s3/i0+w2×s4/i0≤m1,所述预警单元判定动力电池的热失控风险为低风险,不向用户进行预警,若m1<w1×s3/i0+w2×s4/i0<m2,所述预警单元判定动力电池的热失控风险为中风险,并向用户进行动力电池热失控中风险预警,若w1×s3/i0+w2×s4/i0≥m2,所述预警单元判定动力电池的热失控风险为高风险,并向用户进行动力电池热失控高风险预警;
其中,s1为温度二级异常的动力电池模组的数量,s2为高风险压力等级的动力电池模组的数量,s3为温度一级异常的动力电池模组的数量,s4为低风险压力等级的动力电池模组的数量,i0为动力电池包中动力电池模组的数量,w1为预设温度权重,w2为预设压力权重,w1+w2=1且w1<w2,m1为第一预设异常系数,m2为第二预设异常系数。
7.根据权利要求6所述的智能动力电池热失控预警***,其特征在于,所述冷却管理模块设有冷却管理单元,所述冷却管理单元用以根据监测周期内动力电池的热失控预警结果与动力电池的内阻n0对下一监测周期冷却液的流速进行管理,其中:
当n0≤n1时,若α×z1+z2≤z0,所述冷却管理单元将下一监测周期冷却液的流速设为U1,设定U1=u0;若α×z1+z2>z0,所述冷却管理单元将下一监测周期冷却液的流速设为U2,设定U2=u0×{1+(π/2)×arctan[sin(α×z1+z2-z0)/(α×z1+z2+z0)]};
当n0>n1时,若α×z1+z2≤z0×[1-β×(n0-n1)/(n1+n0)],所述冷却管理单元将下一监测周期冷却液的流速设为U3,设定U3=u0;若α×z1+z2>z0×[1-β×(n0-n1)/(n1+n0)],所述冷却管理单元将下一监测周期冷却液的流速设为U4,设定U4=u0×{1+(π/2)×arctan{sin{α×z1+z2-z0×[1-β×(n0-n1)/(n1+n0)]}/{α×z1+z2+z0×[1-β×(n0-n1)/(n1+n0)]}};
其中,当Uu≥u1时,Uu的取值为u1,Uu为冷却液流速的分析结果,u=1,2,3,4;u1为冷却液流速阈值,n1为预设内阻,α为预设调整系数,z1为监测周期内动力电池热失控中风险预警的次数,z2为监测周期内动力电池热失控高风险预警的次数,z0为预设预警阈值,u0为预设冷却液流速,β为调节系数。
8.根据权利要求7所述的智能动力电池热失控预警***,其特征在于,所述冷却管理模块设有第一优化单元,所述第一优化单元用以将动力电池的能量密度k0与预设密度k1进行比对,并根据比对结果对冷却液流速的管理过程进行一次优化,其中:
当k0≤k1时,所述第一优化单元判定动力电池的能量密度正常,不进行优化;
当k0>k1时,所述第一优化单元判定电池的能量密度异常,并对冷却液流速的管理过程进行一次优化,将优化后的预设冷却液流速设为u0’,设定:
u0’=u0×{1+{exp{sin(k0-k1)×(π/2)/(k0+k1)}-1}/2}。
9.根据权利要求8所述的智能动力电池热失控预警***,其特征在于,所述冷却管理模块设有第二优化单元,所述第二优化单元用以将动力电池的充放电次数r0与预设次数r1进行比对,并根据比对结果对冷却液流速的管理过程进行二次优化,其中:
当r0≤r1时,所述第二优化单元判定动力电池的充放电次数正常,不进行优化;
当r0>r1时,所述第二优化单元判定动力电池的充放电次数异常,并对冷却液流速的管理过程进行二次优化,将优化后的预设能量密度设为k1’,设定k1’={1-ln[(r0-r1)/(r0+r1)+1]}。
10.根据权利要求6所述的智能动力电池热失控预警***,其特征在于,所述预警迭代模块将管理周期内获取的动力电池容量y0对下一管理周期动力电池的热失控预警过程进行迭代,其中:
当(y1-y0)/y1≤Y时,所述预警迭代模块判定当前管理周期动力电池的容量衰减正常,不进行迭代;
当(y1-y0)/y1>Y时,所述预警迭代模块判定当前管理周期动力电池的容量衰减异常,并对下一管理周期动力电池的热失控预警过程进行迭代,所述预警迭代模块将迭代后的第一预设异常系数设为m1’,设定:m1’=m1×{1-γ×[(y1-y0)/y1-Y]/[(y1-y0)/y1+Y]},将迭代后的第二预设异常系数设为m2’,设定m2’=m2×{1-γ×[(y1-y0)/y1-Y]/[(y1-y0)/y1+Y]};
其中,y1为与当前管理周期相邻的上一管理周期的动力电池容量,Y为预设衰减比例,γ为更新系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410594502.5A CN118172913B (zh) | 2024-05-14 | 一种智能动力电池热失控预警*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410594502.5A CN118172913B (zh) | 2024-05-14 | 一种智能动力电池热失控预警*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118172913A true CN118172913A (zh) | 2024-06-11 |
CN118172913B CN118172913B (zh) | 2024-07-26 |
Family
ID=
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110370984A (zh) * | 2019-06-26 | 2019-10-25 | 清华大学 | 动力电池热失控预警方法 |
CN111460664A (zh) * | 2020-04-01 | 2020-07-28 | 吉林大学 | 一种新能源汽车动力电池非线性冷却优化方法 |
CN112186298A (zh) * | 2019-10-28 | 2021-01-05 | 百度(美国)有限责任公司 | 用于电池冷却***的控制逻辑 |
KR20230123266A (ko) * | 2022-02-16 | 2023-08-23 | 주식회사 엘지에너지솔루션 | 절연유를 포함하는 전지모듈 및 이를 포함하는 전지팩 |
CN117734430A (zh) * | 2022-09-15 | 2024-03-22 | 优跑汽车技术(上海)有限公司 | 热失控分级报警的整车安全***及汽车 |
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110370984A (zh) * | 2019-06-26 | 2019-10-25 | 清华大学 | 动力电池热失控预警方法 |
CN112186298A (zh) * | 2019-10-28 | 2021-01-05 | 百度(美国)有限责任公司 | 用于电池冷却***的控制逻辑 |
CN111460664A (zh) * | 2020-04-01 | 2020-07-28 | 吉林大学 | 一种新能源汽车动力电池非线性冷却优化方法 |
KR20230123266A (ko) * | 2022-02-16 | 2023-08-23 | 주식회사 엘지에너지솔루션 | 절연유를 포함하는 전지모듈 및 이를 포함하는 전지팩 |
CN117734430A (zh) * | 2022-09-15 | 2024-03-22 | 优跑汽车技术(上海)有限公司 | 热失控分级报警的整车安全***及汽车 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111257755B (zh) | 一种预防性检测诊断电池包方法 | |
WO2024146353A1 (zh) | 一种电池储能电站的主动安全三级防控***及方法 | |
Qiu et al. | Fault diagnosis for lithium-ion battery energy storage systems based on local outlier factor | |
CN117341476B (zh) | 一种电池压差故障预警方法及*** | |
CN110091750A (zh) | 一种新能源汽车动力电池安全保护*** | |
CN115958957B (zh) | 一种电动汽车动力电池充电过热故障预测方法及*** | |
CN115257379A (zh) | 一种基于实车数据的电动汽车动力电池热失控预警方法 | |
CN114312319B (zh) | 基于电压累计值的电池安全监控方法、存储介质及车辆 | |
Diao et al. | Research on Electric Vehicle Charging Safety Warning Based on A-LSTM Algorithm | |
Hong et al. | Collision-Caused thermal runaway investigation of li-ion battery in Real-World electric vehicles | |
CN118172913B (zh) | 一种智能动力电池热失控预警*** | |
CN113991777A (zh) | 一种电池储能***在线式运行安全态势感知方法 | |
CN111882697B (zh) | 一种基于概率突变法则的电压异常单体的识别算法 | |
CN118172913A (zh) | 一种智能动力电池热失控预警*** | |
CN116565354A (zh) | 一种电化学储能***故障分级诊断预警方法、***及设备 | |
CN116973763A (zh) | 一种锂电池包热失控预警方法和装置 | |
CN115972982A (zh) | 热失控预警方法、装置、设备及可读存储介质 | |
CN111584966B (zh) | 基于大数据分析的动力电池包中单体电池过压预警方法 | |
CN112858926A (zh) | 一种锂电池模块安全监控管理***及其管理方法 | |
CN112305424A (zh) | 一种三元锂梯次储能电站数据异常即时报警方法及*** | |
CN112330176A (zh) | 一种锂电池铜排松动故障诊断及预测方法 | |
Zhang et al. | Research on fault diagnosis and safety early warning strategy of electric vehicle charge and discharge based on artificial intelligence | |
CN214100923U (zh) | 一种cms电池管理*** | |
CN112467236B (zh) | 一种锂离子电池全寿命周期下的分级安全预警方法 | |
CN117671876B (zh) | 一种电化学储能站火灾预警监控***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |