CN104614632B - 一种电池微短路的识别方法 - Google Patents
一种电池微短路的识别方法 Download PDFInfo
- Publication number
- CN104614632B CN104614632B CN201510026121.8A CN201510026121A CN104614632B CN 104614632 B CN104614632 B CN 104614632B CN 201510026121 A CN201510026121 A CN 201510026121A CN 104614632 B CN104614632 B CN 104614632B
- Authority
- CN
- China
- Prior art keywords
- battery
- short circuit
- micro
- battery cell
- value
- 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
Landscapes
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明公开了一种电池微短路的识别方法,该方法基于等效参数原理,利用微短路时电池单体的电动势E和内阻Z均减小的现象,对发生微短路的电池单体进行识别;根据发生微短路的电池单体的信息熵H判断所发生的微短路为外短路还是内短路。本发明提供了一种准确且快速的识别电池微短路的方法,该方法解决了现有技术中由于电池微短路现象不明显而难以识别的问题。
Description
技术领域
本发明属于电池技术领域,具体涉及一种识别电池微短路的方法。
背景技术
在能源危机与环境污染的双重压力下,汽车动力系统电动化逐渐成为未来汽车的技术发展主流。锂离子电池因其能量密度和循环寿命方面的优势,是电动汽车动力来源的主要选择之一。然而,锂离子动力电池的安全性事故偶有发生,锂离子动力电池的安全性问题将会威胁人民群众的生命财产安全,并阻碍电动汽车的大规模产业化。电池单体的小规模内短路和小规模的外短路可以统称为微短路。多数在电池正常使用过程中的安全问题都与微短路相关,不仅在电动汽车领域如此,在其他使用电池的领域也是如此,如数码产品、飞机等。
目前,微短路的预测和发现依然是电池安全问题中的一个难点。微短路的发生具有一定的偶然性和随机性,造成微短路的成因很多,各种不同情况或原因可能引发不同程度的微短路。微短路的短路阻值较大,在非绝热状态下,所引起的温升一般不会大于5℃,在发生的初期现象极不明显,因此现有的电气管理或温度管理等外部措施难以有效识别微短路。
发明内容
有鉴于此,确有必要提供一种能够准确且快速的识别电池微短路的方法。
一种电池微短路的识别方法,包括以下步骤:
S1,提供一个包含多个电池单体的电池组;
S2,采集所述电池组中每个电池单体的端电压Ui及端电流Ii;
S3,根据所述端电压Ui及端电流Ii,计算所述每个电池单体的电动势Ei相对于基准电动势E的偏差量ΔEi、所述每个电池单体的内阻Zi相对于基准内阻Z的偏差量ΔZi;
S4,根据Xi=ΔEi+α·ΔZi计算每个电池单体的识别量Xi,并对所述识别量的绝对值|Xi|进行异常值查找,其中α为比例参数,对于正常电池单体,在统计学意义上有ΔE=-α·ΔZ;
S5,若某一电池单体m的识别量绝对值|Xm|为异常值且该识别量Xm为负值,则判定该电池单体m为微短路电池单体,否则返回步骤S2。
与现有技术相比,本发明所提供的电池微短路的识别方法能够准确且快速的识别电池微短路,该识别方法对于使用电池组的产品安全性能的提高具有关键作用。
附图说明
图1为本发明提供的电池微短路识别的流程图。
图2为串联电池单体的偏差模型图。
图3为微短路电池单体与正常电池单体识别量对照图。
图4为正常电池单体的一阶RC模型电路图。
图5为微短路电池单体的一阶RC模型电路图。
主要元件符号说明
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
下面将结合附图及具体实施例对本发明提供的电池微短路的识别方法作进一步的详细说明。
请参阅图1,本发明提供一种电池微短路的识别方法,包括以下步骤:
S1,提供一个包含多个电池单体的电池组;
S2,采集所述电池组中每个电池单体的端电压Ui及端电流Ii;
S3,根据所述端电压Ui及端电流Ii,计算所述每个电池单体的电动势Ei相对于基准电动势E的偏差量ΔEi、所述每个电池单体的内阻Zi相对于基准内阻Z的偏差量ΔZi;
S4,根据Xi=ΔEi+α·ΔZi计算每个电池单体的识别量Xi,并对所述识别量的绝对值|Xi|进行异常值查找,其中α为比例参数,对于正常电池单体,在统计学意义上有ΔE=-α·ΔZ;
S5,若某一电池单体m的识别量绝对值|Xm|为异常值且该识别量Xm为负值,则判定该电池单体m为微短路电池单体,并进入步骤S6,否则返回步骤S2;
S6,根据S2-S4循环的历史数据计算出所述微短路电池单体m的信息熵H;
S7,将该信息熵H与预设阈值比较,若所述信息熵H大于该预设阈值,判定该微短路电池单体发生外短路,若所述信息熵H小于该预设阈值,则判定所述微短路电池单体发生内短路。
本发明步骤S1~S5用于判断电池组中的电池单体是否发生微短路,步骤S6~S7用于进一步判断发生微短路的电池单体所发生的微短路的类型。若仅需要获知电池单体是否发生微短路,则只需进行到步骤S5即可结束,若需要获知微短路电池单体所发生的微短路的类型,则需进行到步骤S7。
步骤S1中,所述电池组的种类不限,如锂离子电池、镍氢电池、铅酸电池等,本实施例中所识别的是锂离子电池。所述电池组包括n个电池单体,依次编号为1,2,3…n,其中n为大于1的整数。所述n个电池单体可以通过串联、并联或串并联的方式构成一个电池组。
步骤S2中,分别对所述电池组中n个电池单体的端电压Ui及端电流Ii进行采集,其中i代表所述n个电池单体中任意的一个电池单体。
步骤S3中,若所述电池组由相同型号的多个电池单体构成,可以利用分频模型计算每个电池单体的电动势Ei与内阻Zi分别相对于基准电动势E与基准内阻Z的偏差量。所述分频模型包含高频部分与低频部分,其中高频部分由精确的电池等效电路模型构成,计算频率较高,以此来得到基准电动势E和基准内阻Z;低频部分由简化的电池等效电路模型构成,计算频率较低,用来计算每个单体的电动势Ei和内阻Zi。计算频率的选择会因具体地电池组的不同而有所差异,一般地,低频模型通常选择一阶或二阶RC等效电路模型,高频模型通常选择三阶或更高阶数的电路模型。将电池单体的电动势Ei和基准电动势E带入公式ΔEi=Ei-E即可获得电动势偏差量ΔEi;将电池单体的内阻Zi和基准内阻Z带入公式ΔZi=Zi-Z即可获得内阻偏差量ΔZi。
请参见图2,若所述电池组由多个电池单体串联构成,还可以通过下述方法计算电动势偏差量ΔEi与内阻偏差量ΔZi,具体包括以下步骤:
S311,计算所述多个电池单体端电压的平均值U;
S312,根据ΔUi=Ui-U计算各所述每个电池单体的端电压偏差量ΔUi;
S313,利用所述端电压偏差量ΔUi与端电流Ii计算每个电池单体的电动势偏差量ΔEi和内阻偏差量ΔZi。
步骤S311中,可以直接将各电池单体的端电压Ui相加取平均值,也可以先去掉最大值和最小值,然后再取平均值。可以理解,在计算平均值的过程中可以适当添加一些现有的数据处理手段,进一步提高求取平均值的准确性。
步骤S313中,可以利用图2所示的偏差模型进行参数识别,获得电动势偏差量ΔEi以及内阻偏差量ΔZi。根据该偏差模型,所述端电压偏差量ΔUi、端电流Ii、电动势偏差量ΔEi以及内阻偏差量ΔZi之间存在以下关系:ΔUi=ΔEi-Ii·ΔZi。
步骤S4中,所述比例参数α可以利用电池单体的衰减测试数据选定,使得对于正常的电池单体,在统计学意义上有ΔE=-α·ΔZ。
本实施例中利用标准差法对所述识别量的绝对值|Xi|的异常值进行查找,其具体步骤为:
S41,对于同一时刻的每个电池单体的识别量的绝对值|Xi|,去除最大值|Xmax|和最小值|Xmin|后计算标准差Xstdev以及平均值Xmean;
S42,计算所述最小值|Xmin|与所述平均值Xmean的差值Xd1;
S43,判断该差值Xd1的绝对值是否大于3倍的标准差Xstdev,若大于则认为该最小值所对应的电池单体的识别量绝对值|Xi|为异常值。
步骤S42中,对于微短路识别,通常情况下取最小值|Xmin|与平均值Xmean的差值Xd1进行判断,除此之外,也可以用最大值|Xmax|和与平均值Xmean的差值Xd2进行显著性判断。
步骤S43中,若所述差值Xd1的绝对值大于3倍的标准差Xstdev即可判定该最小值所对应的电池单体的识别量绝对值|Xi|为异常值,该步骤中也可以根据实际情况对异常值的判定标准进行调整,例如可以将3倍的标准差提高为5倍的标准差,即将差值Xd1的绝对值与5倍的标准差Xstdev进行比较。
可以理解,本实施例中仅提供了一种异常值的识别方法,也可以用其他的识别方法对识别量绝对值|Xi|中的异常值进行识别。
步骤S5可以初步判断所述电池单体是否发生了微短路。所述微短路是指电池单体的小规模内短路或小规模的外短路。与正常电池单体相比,发生微短路的电池单体的电动势Ei和内阻Zi均会减小,可以利用这种现象对微短路电池单体进行识别。
请参见图3,该图为正常电池单体的一阶RC模型,其中R为电池直流内阻,Rp为极化内阻,Cp为极化电容,E为电动势,U为端电压,I为端电流。采用复数的方法对电路进行分析,并令则有:
U=E-I×z0 (1)
请参见图4,该图为发生微短路电池单体的一阶RC模型,其中RISCr为微短路电阻。可以证明有:
将(2)式和(1)式对比,可以发现(1)式当中的E和z0在(2)式中分别变成了和即等效参数,称为收缩因子。在一定的时长内,可以认为z0和RISCr均是大小不变的常量,则收缩因子也是一个常量。
与正常电池单体相比,发生了微短路的电池单体的E和z0分别变化了和由此可知在发生微短路时,1)电池单体的等效电动势E和内阻z0会同时减小,且减小的比例相同;2)微短路的规模越大(即微短路电阻RISCr越小),E和z0减小的量越大;3)电池单体的容量越大,z0越小,微短路现象的电信号表现越不明显。除此之外,由于微短路电阻RISCr的存在,微短路电池单体的电能会在正常工作的基础上附加一个消耗量,导致微短路单体的荷电状态(state of charge,SOC)低于正常电池单体,进一步使微短路电池单体的电动势E降低。
请参见图5,该图为微短路电池单体与正常电池单体识别量Xi对照图,图中用圆圈圈出来的即为微短路电池单体。对于正常电池单体,|Xi|是一个较小的量,而对于发生微短路的电池单体,由于其ΔEi和ΔZi均为负值,Xi为也负值且其绝对值|Xi|是一个比|ΔEi|和|ΔZi|都要大的量。此外识别量Xi也会计入因微短路电阻消耗引起的电动势E降低,使|Xi|进一步增大。即对于微短路电池单体,它的识别量的绝对值|Xi|会远大于正常单体。
当判定电池组中存在电池单体发生微短路后,所述电池组的控制系统将会启动相应的应急措施。
步骤S6中,对于发生微短路的电池单体m,如需要进一步确定所发生的微短路的类型,可以利用该微短路电池单体m的历史数据计算出该单体的信息熵H。所述历史数据可以是该电池单体m在历次循环过程中所获取的识别量Xm、内阻偏差量ΔZm、电动势偏差量ΔEm等。本实施例中根据微短路电池单体m的识别量Xm的历史数据计算该微短路电池单体的信息熵H(X)。一种可行的信息熵定义方法为:其中H(X)为该微短路电池单体m识别量Xm的信息熵,p(xi)是识别量Xm数据在第i个分区的概率密度,n为识别量Xm数据的分区数。
步骤S7中,外短路一般属于非稳定接触,由于振动等原因,阻值会出现波动,故其识别量X等参数的历史数据信息熵较大。内短路是一个缓慢发展的过程,阻值不易波动,故其识别量X等参数的历史数据信息熵较小。所述预设阈值为经过大量的数据统计得到的一个经验值,通常可以在25%~50%之间选取,本实施例中预设阈值的取值为30%。当然,上述预设阈值可以根据不同的环境需求进行相应的调整。
本发明基于等效参数原理,利用微短路时电池单体的电动势E和内阻Z均减小的现象,对发生微短路的电池单体进行识别;根据发生微短路的电池单体的信息熵H判断所发生的微短路的类型。本发明提供了一种准确且快速的识别电池微短路的方法,该方法解决了现有技术中由于电池微短路现象不明显而难以识别的问题,对于使用电池组的产品安全性能的提高具有关键作用。
另外,本领域技术人员还可以在本发明精神内做其它变化,当然,这些依据本发明精神所做的变化,都应包含在本发明所要求保护的范围之内。
Claims (10)
1.一种电池微短路的识别方法,其特征在于,包括以下步骤:
S1,提供一个包含多个电池单体的电池组;
S2,采集所述电池组中每个电池单体的端电压Ui及端电流Ii;
S3,根据所述端电压Ui及端电流Ii,计算所述每个电池单体的电动势Ei相对于基准电动势E的偏差量ΔEi、所述每个电池单体的内阻Zi相对于基准内阻Z的偏差量ΔZi;
S4,根据Xi=ΔEi+α·ΔZi计算每个电池单体的识别量Xi,并对所述识别量的绝对值|Xi|进行异常值查找,其中α为比例参数,对于正常电池单体,在统计学意义上有ΔE=-α·ΔZ;
S5,若某一电池单体m的识别量绝对值|Xm|为异常值且该识别量Xm为负值,则判定该电池单体m为微短路电池单体,否则返回步骤S2。
2.如权利要求1所述的电池微短路的识别方法,其特征在于,所述电池组由相同型号的多个电池单体构成,所述步骤S3包括:
S301,利用高频电池等效电路模型计算所述基准电动势E和所述基准内阻Z;
S302,利用低频电池等效电路模型计算所述每个电池单体的电动势Ei和所述每个电池单体的内阻Zi;
S303,根据公式ΔEi=Ei-E计算所述每个电池单体的电动势偏差量ΔEi,以及根据公式ΔZi=Zi-Z计算所述每个电池单体的内阻偏差量ΔZi。
3.如权利要求2所述的电池微短路的识别方法,其特征在于,所述低频电池等效电路模型为一阶或二阶RC等效电路模型,所述高频电池等效电路模型为三阶或更高阶数的等效模型。
4.如权利要求1所述的电池微短路的识别方法,其特征在于,所述电池组由多个电池单体串联构成,所述步骤S3包括:
S311,计算所述多个电池单体端电压的平均值U;
S312,根据ΔUi=Ui-U计算各所述每个电池单体的端电压偏差量ΔUi;
S313,利用所述端电压偏差量ΔUi与端电流Ii计算每个电池单体的电动势偏差量ΔEi和内阻偏差量ΔZi。
5.如权利要求1所述的电池微短路的识别方法,其特征在于,步骤S4中利用标准差法对所述识别量绝对值|Xi|的异常值进行查找,具体包括以下步骤:
S41,对于同一时刻的每个电池单体的识别量的绝对值|Xi|,去除最大值|Xmax|和最小值|Xmin|后计算标准差Xstdev以及平均值Xmean;
S42,计算所述最小值|Xmin|与所述平均值Xmean的差值Xd1;
S43,判断该差值Xd1的绝对值是否大于3倍的标准差Xstdev,若大于则认为该最小值所对应的电池单体的识别量绝对值|Xi|为异常值。
6.如权利要求5所述的电池微短路的识别方法,其特征在于,判断所述差值Xd1的绝对值是否大于5倍的标准差Xstdev,若大于则认为该最小值所对应的电池单体的识别量绝对值|Xi|为异常值。
7.如权利要求1所述的电池微短路的识别方法,其特征在于,进一步包括对已判定为微短路的电池单体进行微短路类型判断的步骤:
S6,根据S2-S4循环的历史数据计算出所述微短路电池单体m的信息熵H;
S7,将该信息熵H与预设阈值比较,若所述信息熵H大于该预设阈值,判定该微短路电池单体发生外短路,若所述信息熵H小于该预设阈值,则判定所述微短路电池单体发生内短路。
8.如权利要求7所述的电池微短路的识别方法,其特征在于,根据微短路电池单体的识别量X历史数据计算该微短路电池单体的信息熵,该信息熵的定义为:
其中H(X)为该微短路电池单体识别量的信息熵,p(xi)是识别量数据在第i个分区的概率密度,n为识别量数据的分区数。
9.如权利要求7所述的电池微短路的识别方法,其特征在于,所述预设阈值取值范围在25%~50%之间。
10.如权利要求7所述的电池微短路的识别方法,其特征在于,所述预设阈值取值为30%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510026121.8A CN104614632B (zh) | 2015-01-19 | 2015-01-19 | 一种电池微短路的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510026121.8A CN104614632B (zh) | 2015-01-19 | 2015-01-19 | 一种电池微短路的识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104614632A CN104614632A (zh) | 2015-05-13 |
CN104614632B true CN104614632B (zh) | 2017-11-28 |
Family
ID=53149168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510026121.8A Active CN104614632B (zh) | 2015-01-19 | 2015-01-19 | 一种电池微短路的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104614632B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL239852A (en) * | 2015-07-08 | 2016-12-29 | Algolion Ltd | Lithium-ion battery safety monitoring |
CN106932722A (zh) * | 2015-12-30 | 2017-07-07 | 华为技术有限公司 | 一种动力电池的内短路检测方法及装置 |
CN107870301B (zh) * | 2016-09-27 | 2020-09-04 | 华为技术有限公司 | 一种电池微短路的检测方法及装置 |
TWI657639B (zh) * | 2017-12-04 | 2019-04-21 | Industrial Technology Research Institute | 電池放電流程決定方法和系統 |
US11563238B2 (en) | 2017-12-11 | 2023-01-24 | Semiconductor Energy Laboratory Co., Ltd. | Charging-control device and electronic device with secondary battery |
CN108363016B (zh) * | 2018-02-22 | 2021-02-26 | 上海理工大学 | 基于人工神经网络的电池微短路定量诊断方法 |
CN109901004B (zh) * | 2019-02-20 | 2021-02-23 | 北京航空航天大学 | 一种车载动力电池内短路检测方法和系统 |
CN114545290A (zh) * | 2022-04-21 | 2022-05-27 | 华邦创科(惠州市)智能科技有限公司 | 一种物联网自学习短路识别的方法 |
CN115684975A (zh) * | 2022-12-28 | 2023-02-03 | 湖北工业大学 | 一种基于均衡电量量化电池微短路的方法及系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6255803B1 (en) * | 1999-08-10 | 2001-07-03 | Matsushita Electric Industrial Co., Ltd. | Method for detecting minor short in cells and method for detecting cell short in cells |
JP4311363B2 (ja) * | 2005-03-17 | 2009-08-12 | トヨタ自動車株式会社 | 蓄電システムおよび蓄電システムの異常処理方法 |
JP5248764B2 (ja) * | 2006-11-02 | 2013-07-31 | パナソニック株式会社 | 蓄電素子の異常検出装置、蓄電素子の異常検出方法及びその異常検出プログラム |
JP4591560B2 (ja) * | 2008-06-24 | 2010-12-01 | ソニー株式会社 | 電池パックおよび制御方法 |
CN102565611B (zh) * | 2011-12-27 | 2014-08-06 | 惠州市亿能电子有限公司 | 动力电池的内短路检测方法 |
JP5861189B2 (ja) * | 2012-05-28 | 2016-02-16 | トヨタ自動車株式会社 | 二次電池の検査方法 |
CN103399282B (zh) * | 2013-08-07 | 2015-07-29 | 清华大学 | 电池单体故障诊断方法 |
CN103886405B (zh) * | 2014-02-20 | 2017-02-22 | 东南大学 | 一种基于信息熵特征和概率神经网络的锅炉燃烧工况识别方法 |
CN103983888B (zh) * | 2014-05-29 | 2017-02-15 | 绍兴安卡汽车配件有限公司 | 一种电池包连接状态判断方法 |
-
2015
- 2015-01-19 CN CN201510026121.8A patent/CN104614632B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104614632A (zh) | 2015-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104614630B (zh) | 一种电池微短路的识别方法 | |
CN104614632B (zh) | 一种电池微短路的识别方法 | |
CN104614631B (zh) | 一种电池微短路的识别方法 | |
Duan et al. | Evaluation of battery inconsistency based on information entropy | |
CN104617330B (zh) | 电池微短路的识别方法 | |
EP2762907B1 (en) | Apparatus and method for estimating state of charge of battery | |
Jiaqiang et al. | Effects analysis on active equalization control of lithium-ion batteries based on intelligent estimation of the state-of-charge | |
CN104391252B (zh) | 一种汽车铅酸蓄电池健康状态检测方法 | |
EP2963433A1 (en) | Method and apparatus for estimating state of battery | |
CN110376530B (zh) | 电池内短路检测装置及方法 | |
CN110190347A (zh) | 一种应用于通信基站的锂电池管理系统 | |
CN111123148B (zh) | 一种判断金属二次电池内短路的方法及设备 | |
CN114839536B (zh) | 一种基于多健康因子的锂离子电池健康状态估计方法 | |
CN109116242A (zh) | 一种动力电池的数据处理方法和装置 | |
CN112215434A (zh) | 一种lstm模型的生成方法、充电时长预测方法及介质 | |
Chen et al. | An approach for state of charge estimation of Li-ion battery based on Thevenin equivalent circuit model | |
CN113866641A (zh) | 一种锂离子电池的故障检测方法及装置 | |
EP4202458A1 (en) | Battery diagnosis device, battery system, and battery diagnosis method | |
Shuai et al. | Intelligent diagnosis of abnormal charging for electric bicycles based on improved dynamic time warping | |
CN111129628A (zh) | 锂离子电芯充放电的控制方法、系统、介质及电子设备 | |
CN110297185A (zh) | 一种新能源汽车电池参数动态监测系统 | |
CN114252792A (zh) | 电池包的内短路检测方法、装置、电子设备及存储介质 | |
Qiao et al. | Data-Driven Fault Diagnosis of Internal Short Circuit for Series-Connected Battery Packs Using Partial Voltage Curves | |
CN116699407A (zh) | 一种基于安全熵的动力电池安全风险预警方法 | |
Justin Raj et al. | Optimal Battery Management System Utilized in Electric Vehicle Using Fuzzy Logic Controller (FLC) and Artificial Eco-System Algorithm (AEO) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |