CN106526488B - 串联式动力电池包内传感器故障诊断方法 - Google Patents
串联式动力电池包内传感器故障诊断方法 Download PDFInfo
- Publication number
- CN106526488B CN106526488B CN201610854995.7A CN201610854995A CN106526488B CN 106526488 B CN106526488 B CN 106526488B CN 201610854995 A CN201610854995 A CN 201610854995A CN 106526488 B CN106526488 B CN 106526488B
- Authority
- CN
- China
- Prior art keywords
- battery
- single battery
- battery pack
- power battery
- tandem power
- 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
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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
Abstract
本发明涉及电动车辆的动力电池的故障检测领域。为降低动力电池包内传感器的故障检测及诊断的难度,提高诊断效率及诊断准确性,本发明提出一种串联式动力电池包内传感器故障诊断方法,采集数据,建立单体电池的系统状态方程和系统观测方程并辨识出模型参数,将电池模组中单体电池划分为实时在线监控的单体电池和离线监控的单体电池,采用状态观测器对单体电池的端电压进行估计,计算出单体电池的残差信号,根据残差信号获得故障报警信号并逐级对单体电池级、电池模组级及电池包级的电压传感器进行故障诊断。本发明对串联式动力电池包内传感器故障进行诊断,计算量小,诊断难度低,准确性高,实时性好。
Description
技术领域
本发明涉及电动车辆的动力电池的故障检测领域,尤其涉及对串联式动力电池包内的传感器进行故障检测并根据检测结果诊断确定故障位置的方法。
背景技术
作为电动车辆的核心动力源,动力电池系统的运行性能对于保证电动车辆的动力性、可靠性及安全性起着至关重要的作用。为了保证动力电池系统能够良好运行,动力电池管理系统需要借助动力电池包内设置的传感器对动力电池的电流、电压以及动力电池包内的温度进行实时监控,从而预测出动力电池系统的运行状态,进而实现对动力电池系统的温度管理、电压均衡管理、荷电状态(State-of-Charge,简称SoC)估计以及健康状态(State-of-Health,简称SoH)的估计。
由于制造工艺缺陷以及电动车辆在复杂多变的环境下的长时间的使用,动力电池包中的传感器会出现不同程度的故障,比如,当电流传感器出现故障,会影响动力电池管理系统对动力电池的荷电状态和健康状态的估计的精度,从而导致动力电池可能过充或者过放,对动力电池造成损伤;当电压传感器出现故障时,可能会引起动力电池包中各个电池模组之间的电压均衡管理,进而导致电池模组之间的不一致性加速恶化。由此可见,动力电池包内的传感器的故障诊断对于动力电池管理系统的健康运行以及动力电池系统的可靠性起着至关重要的作用。
动力电池包内设置的传感器数量较多。以串联式动力电池包为例,该串联式动力电池包并联有一个用于监测该串联式动力电池包的端电压的电池包级的电压传感器,串联有一个用于监测该串联式动力电池包的充放电电流的电流传感器;由于该串联式动力电池包由多个电池模组串联形成,故每个电池模组并联有一个用于监测相应的电池模组的端电压的电池模组级的电压传感器;由于电池模组又由多个单体电池串联形成,故电池模组中的每个单体电池并联有一个用于监测相应单体电池的端电压的单体电池级的电压传感器。因此,要实现对动力电池包内的多个传感器进行故障检测,并将诊断出有故障的传感器分离出来,效率低,难度大。
发明内容
为降低动力电池包内传感器的故障检测及诊断的难度,提高诊断效率及诊断准确性,本发明提出一种串联式动力电池包内传感器故障诊断方法,
S1、在所述串联式动力电池包充放电过程中,采集所述串联式动力电池包的充放电电流iL以及该串联式动力电池包内的单体电池的端电压,且采集数据的采样时间间隔为Δt;
S2、建立所述单体电池的等效模型,并根据所述单体电池的等效模型建立所述单体电池的系统状态方程和系统观测方程,
其中,
xk表示所述单体电池在k时刻的系统状态,
xk-1表示所述单体电池在k-1时刻的系统状态,
θk表示所述单体电池在k时刻的模型参数,
θk-1表示所述单体电池在k-1时刻的模型参数,
uk表示所述单体电池在k时刻的输入矩阵,
uk-1表示所述单体电池在k-1时刻的输入矩阵,
ωk-1表示所述单体电池在k-1时刻的状态白噪声,其均值为零,协方差矩阵为Cov_ωk-1,
vk表示所述单体电池在k时刻的测量白噪声,其均值为零,协方差矩阵为Cov_vk,
f(xk-1,θk-1,uk-1)表示所述单体电池在k时刻的状态函数,
g(xk,θk,uk)表示所述单体电池在k时刻的观测函数,
yk表示所述单体电池在k时刻的测量矩阵,
并辨识出所述单体电池的模型参数θ;
S3、采集所述串联式动力电池包内每个电池模组中所有单体电池的测量端电压并进行对比,分离出所述串联式动力电池包内每个电池模组中具有最大测量端电压的单体电池和具有最小测量端电压的单体电池;
S4、对所述串联式动力电池包内每个电池模组中具有最大测量端电压的单体电池和具有最小测量端电压的单体电池进行实时在线监控,并对所述电池模组中其余的单体电池进行长时间尺度L的离线监控;
S5、采用状态观测器配合所述单体电池的等效模型对所述单体电池的端电压进行估计,所述状态观测器进行时间更新和测量更新得到所述单体电池在k时刻的估计端电压,计算得出所述单体电池的残差信号r,且其中,
rij为所述串联式动力电池包内第i电池模组中第j个单体电池的残差信号,
yVij为所述第i电池模组中第j个单体电池的测量端电压,
为所述第i电池模组中第j个单体电池的估计端电压,
i=1、2、3、......、m,m为正整数,且m表示所述串联式动力电池包内串联的电池模组的总数目,
j=1、2、3、......、n,n为正整数,且n表示所述第i电池模组内串联的单体电池的总数目;
S6、根据所述残差信号r获得故障报警信号d,当所述残差信号r大于或等于报警阈值J时,d=1,则传感器有故障发生;当所述残差信号r小于所述报警阈值J时,d=0,则传感器无故障发生;
令所述串联式动力电池包内第i电池模组中实时在线监控的具有最大测量端电压yVi,max的单体电池Sci,max的残差信号为ri,max,且该残差信号ri,max对应的故障报警信号为di,max,具有最小测量端电压yVi,min的单体电池Sci,min的残差信号为ri,min,且该残差信号ri,min对应的故障报警信号为di,min;
令所述第i电池模组内离线监控的第j'个单体电池Scij'的残差信号为rij',且该残差信号rij'对应的故障报警信号为dij',其中,j'=1、2、3、......、n',且n'=n-2,表示所述串联式动力电池包内第i电池模组内离线监控的单体电池的总数目;
S7、对监控所述串联式动力电池包的电流传感器是否发生故障进行判断:
当故障报警信号di,max和di,min同时为1时,监控所述串联式动力电池包的电流传感器fIpack发生故障,诊断终止;
当故障报警信号di,max、di,min和dij'至少有一个为零时,监控所述串联式动力电池包的电流传感器fIpack无故障,并进入步骤S8;
S8、根据所述故障报警信号d逐级判断监控所述串联式动力电池包内每个电池模组中所有单体电池的单体电池级的电压传感器、监控所述串联式动力电池包内所有电池模组的模组级的电压传感器以及监控所述串联动力电池包的电池包级的电压传感器是否发生故障:
(a)对监控所述串联式动力电池包内每个电池模组中的单体电池的单体电池级的电压传感器是否发生故障进行判断:
当故障报警信号di,max=1,di,min=0时,监控所述第i电池模组内单体电池Sci,max的单体电池级的电压传感器fVi,max发生故障,诊断终止;
当故障报警信号di,max=0,di,min=1时,监控所述第i电池模组内单体电池Sci,min的单体电池级的电压传感器fVi,min发生故障,诊断终止;
当故障报警信号di,max和di,min至少有一个为零且dij'=1时,监控所述第i电池模组内离线监控的第j'个单体电池Scij'的单体电池级的电压传感器fVij'发生故障,诊断终止;
当报警信号di,max、di,min和dij'均为零时,监控所述第i电池模组内所有单体电池的单体电池级的电压传感器均无故障;
当监控所述串联式动力电池包内所有电池模组中的所有单体电池的单体电池级的电压传感器均无故障时,进入下一步骤(b);
(b)对监控所述串联式动力电池包内电池模组的模组级的电压传感器是否发生故障进行判断:
采集待检测第i电池模组的端电压测量值yVi,并对该端电压测量值yVi和所述待检测第i电池模组内所有单体电池Scij的测量端电压yVij之和sumj=1:n(yVij)进行比较;
当|yVi-sumj=1:n(yVij)|>ε时,监控所述待检测第i电池模组的模组级的电压传感器fVi发生故障,诊断终止;
当|yVi-sumj=1:n(yVij)|≤ε时,其中ε表示包含传感器测量误差在内的检测阈值,监控所述待检测第i电池模组的模组级的电压传感器fVi无故障;
当监控所述串联式动力电池包内所有电池模组的模组级电压传感器均无故障时,进入下一步骤(c);
(c)对监控所述串联式动力电池包的电池包级的电压传感器是否发生故障进行判断:
采集所述串联式动力电池包的端电压测量值yVpack,并对所述串联式动力电池包的端电压测量值yVpack与所述串联式动力电池包内所有电池模组的端电压测量值yVi之和sumi=1:m(yVi)进行比较;
当|yVpack-sumi=1:m(yVi)|>ε时,监控所述串联式动力电池包的电池包级的电压传感器fVpack发生故障;
当|yVpack-sumi=1:m(yVi)|≤ε时,监控所述串联式动力电池包的电池包级的电压传感器fVpack无故障。
本发明对串联式动力电池包内传感器故障进行诊断时,先根据单体电池的端电压的测量值将同一电池模组中的单体电池划分为进行实时在线监控的单体电池和进行长时间尺度的离线监控的单体电池,从而避免因对电池模组中的所有单体电池同时进行实时在线监控而导致状态观测器同时运行并产生的巨大的计算量,进而可减小计算量,提高传感器的故障诊断的准确性及实时性。另外,采用分层式理念对串联式动力电池包内的电压传感器的故障进行诊断,即在完成单体电池级电压传感器的故障诊断后,采用简单的逻辑判断即可顺利完成电池模组级和电池包级的电压传感器故障的诊断,诊断难度低,诊断效率高。
优选地,在所述步骤S1中,采集数据时的采样时间间隔均匀,以提高单体电池的端电压的估计精度。
优选地,在所述步骤S2中,所述等效模型为等效电路模型,所述模型参数θ包括所述单体电池的内阻、极化内阻和极化电容。采用等电路模型作为单体电池的等效模型,建模方便快捷,并便于确定等效模型的模型参数。
优选地,在所述步骤S2中,采用具有遗忘因子λ的递归最小二乘法辨识出所述单体电池的模型参数θ。进一步地,所述遗忘因子λ的取值范围为λ∈[0.95,1]。
优选地,在所述步骤S5中,对所述单体电池的端电压进行估计时:
首先,对所述状态观测器中的x、P、Cov_ω和Cov_v进行初始化设置得到Cov_ω0和Cov_v0,
其中,
为所述单体电池的系统状态x的初始值,
为所述单体电池的状态估计误差协方差矩阵P的初始值,
Cov_ω0为所述单体电池的状态白噪声的协方差矩阵Cov_ω的初始值,
Cov_v0为所述单体电池的测量白噪声的协方差矩阵Cov_v的初始值;
接着,对所述状态观测器进行时间更新,且更新的时间长度为一个采样时间间隔Δt,得到所述单体电池的系统状态x和所述单体电池的系统状态估计误差协方差矩阵P在k时刻的先验估计值和对所述状态观测器进行测量更新,得到所述系统状态x和所述系统状态估计误差协方差矩阵P在k时刻的后验估计值和循环上述更新操作,得出所述单体电池在k时刻的估计端电压
优选地,当所述状态观测器为自适应扩展卡尔曼滤波器时,
所述状态观测器进行时间更新,得到所述系统状态x和所述系统状态估计误差协方差矩阵P在k时刻的先验估计值和且
其中,
所述状态观测器进行测量更新,得到所述系统状态x和所述系统状态估计误差协方差矩阵P在k时刻的后验估计值和且
卡尔曼增益矩阵:其中,
系统状态的测量更新:
系统状态估计误差协方差矩阵的测量更新:其中,I为单位矩阵,
系统输出估计误差更新:
系统输出估计误差协方差匹配:其中,N表示用于协方差匹配的时间窗口长度,
系统状态白噪声及测量白噪声的协方差矩阵更新:
系统输出的估计值:
附图说明
图1为本发明诊断串联式动力电池包内传感器故障的流程图;
图2为串联式动力电池包内单体电池的二阶RC网络等效电路;
图3为由3个电池模组串联形成的串联式动力电池包的测试数据变化曲线,且每个电池模组由5个单体电池串联形成;其中,图3(a)为该串联式动力电池包在测试过程中充放电电流的变化曲线,图3(b)为该串联式动力电池包中第1电池模组内的单体电池C-01的测量端电压的变化曲线;图3(c)为该串联式动力电池包中第1电池模组内的单体电池C-02的测量端电压的变化曲线;图3(d)为该串联式动力电池包中第1电池模组内的单体电池C-03的测量端电压的变化曲线;图3(e)为该串联式动力电池包中第1电池模组内的单体电池C-04的测量端电压的变化曲线;图3(f)为该串联式动力电池包中第1电池模组内的单体电池C-05的测量端电压的变化曲线;
图4为图3所示的串联式动力电池包中第1电池模组内的具有最大测量端电压和具有最小测量端电压的单体电池生成的残差信号,其中,图4(a)为第1电池模组内具有最大测量端电压的单体电池C-05所产生的残差信号r1,max;图4(b)为第1电池模组内具有最小测量端电压的单体电池C-02所产生的残差信号r1,min;
图5为图3所示的串联式动力电池包中第2和3电池模组的端电压测量值与对应电池模组内所有单体电池的测量端电压之和之间的差异,其中,图5(a)为第2电池模组的端电压测量值与该第2电池模组内所有单体电池的测量端电压之和之间的差异;图5(b)为第3电池模组的端电压测量值与该第3电池模组内所有单体电池的测量端电压之和之间的差异;
图6为图3所示的串联式动力电池包中监控第2和3电池模组的电压传感器的故障诊断结果,其中,图6(a)为该串联式动力电池包中监控第2电池模组的电压传感器的故障诊断结果;图6(b)为该串联式动力电池包中监控第3电池模组的电压传感器的故障诊断结果。
具体实施方式
下面,以串联有n个电池模组且每个电池模组中串联有m个单体电池的动力电池包为例,结合图1-6对本发明串联式动力电池包内传感器故障诊断方法进行详细说明。
如图1所示,采集串联式动力电池包充放电时的实时数据,建立串联式动力电池包内单体电池的系统状态方程和系统观测方程;对每个电池模组内的单体电池的测量端电压进行比对,并根据比对结果将电池模组内的单体电池划分两类,一类是需要进行实时在线监控的单体电池,另一类是进行长时间尺度L的离线监控的单体电池;状态观测器进行时间更新和测量更新得出该单体电池的估计端电压和与之对应的残差信号,从而根据与单体电池的残差信号相对应的故障报警信号对串联式动力电池包内传感器是否发生故障及故障所在位置进行诊断。
具体步骤如下:
S1:采集串联式动力电池包中单体电池的充放电数据。
在串联式动力电池包充放电过程中,采集串联式动力电池包的充放电电流iL及该串联式动力电池包内的单体电池的端电压,且采集数据的采样时间间隔为Δt。由于串联式动力电池包是由多个电池模组串联形成,而电池模组又是由多个单体电池串联形成,故采集到的串联式动力电池包的充放电电流即为该串联式动力电池包内的单体电池的充放电电流。采样时间间隔即是指相邻的两个采样时刻之间的时间间隔,比如,在k时刻与k+1时刻之间的时间间隔即为一个采样时间间隔。优选地,采集数据时,数据采样的采样时间间隔均匀,以避免单体电池的端电压的估计精度因采样数据分布不均匀而降低。
S2:建立串联式动力电池包中单体电池的等效模型,并辨识出单体电池的模型参数。
建立单体电池的等效模型,并根据单体电池的等效模型建立该单体电池的系统状态方程和系统观测方程,
其中,
xk表示单体电池在k时刻的系统状态,
xk-1表示单体电池在k-1时刻的系统状态,
θk表示单体电池在k时刻的模型参数,
θk-1表示单体电池在k-1时刻的模型参数,
uk表示单体电池在k时刻的输入矩阵,
uk-1表示单体电池在k-1时刻的输入矩阵,
ωk-1表示单体电池在k-1时刻的状态白噪声,其均值为零,协方差矩阵为Cov_ωk-1,
vk表示单体电池在k时刻的测量白噪声,其均值为零,协方差矩阵为Cov_vk,
f(xk-1,θk-1,uk-1)表示单体电池在k时刻的状态函数,
g(xk,θk,uk)表示单体电池在k时刻的观测函数,
yk表示单体电池在k时刻的测量矩阵,
并辨识出单体电池的模型参数θ。
以图2所示的含有二阶RC网络的等效电路模型作为单体电池的等效模型为例,建立该单体电池的系统状态方程和系统观测方程以及辨识模型参数θ的具体方法如下:
单体电池含有二阶RC网络的等效电路模型由电压源-OCV、欧姆内阻-R和二阶RC网络三部分组成,其中,电压源-OCV为单体电池的开路电压;欧姆内阻-R表示单体电池中电极材料、电解液、隔膜电阻及其他零件的接触电阻;二阶RC网络使用极化内阻R1、R2和极化电容C1、C2来描述单体电池的动态特性,该动态特性包括单体电池的极化特性和扩散效应。此时,单体电池的模型参数θ包括该单体电池的内阻R、极化内阻R1、R2和极化电容C1、C2,即θ=[RR1 R2 C1 C2]T;单体电池的系统状态方程和系统观测方程为
其中,
Cbat表示单体电池的可用容量,
h(x(3)k,Cbat)表示单体电池的开路电压(Open Circuit Voltage,简称OCV)模型,
uk表示单体电池在k时刻的电流,即输入矩阵,
x(1)k表示单体电池在k时刻的极化电压V1,
x(2)k表示单体电池在k时刻的极化电压V2,
x(3)k表示单体电池在k时刻的荷电状态SoC。
该单体电池的系统状态方程和系统观测方程还可表示为
其中,
xk表示单体电池在k时刻的系统状态,
xk-1表示单体电池在k-1时刻的系统状态,
θk表示单体电池在k时刻的模型参数,
θk-1表示单体电池在k-1时刻的模型参数,
uk表示单体电池在k时刻的输入矩阵,
uk-1表示单体电池在k-1时刻的输入矩阵,
ωk-1表示单体电池在k-1时刻的状态白噪声,其均值为零,协方差矩阵为Cov_ωk-1,
vk表示单体电池在k时刻的测量白噪声,其均值为零,协方差矩阵为Cov_vk,
f(xk-1,θk-1,uk-1)表示单体电池在k时刻的状态函数,
g(xk,θk,uk)表示单体电池在k时刻的观测函数,
yk表示单体电池在k时刻的测量矩阵。
在对单体电池的模型参数θ进行辨识时,
首先,建立单体电池的输入输出模型
其中,
Yk表示与单体电池在k时刻的测量端电压有关的输出矩阵,
ψk表示与单体电池在k时刻的模型参数θk相关的系数矩阵,
T表示矩阵转置,
表示与单体电池在k时刻的测量电流有关的输入矩阵,
ek表示均值为零的白噪声。
然后,采用具有遗忘因子λ的递归最小二乘法辨识出单体电池的模型参数θ:
先对参数ψ和Pls进行初始化,得到ψ0和Pls,0,其中,
ψ0表示与单体电池的模型参数θ相关的系数矩阵ψ的初始值,
Pls,0表示单体电池的误差协方差矩阵Pls的初始值;
接着进行时间更新,且更新的时间长度为一个采样时间间隔Δt,
增益矩阵更新:
系数矩阵更新:
误差协方差矩阵更新:
其中,遗忘因子λ的取值范围为λ∈[0.95,1]。
S3:采集串联式动力电池包内每个电池模组中所有单体电池的测量端电压并进行对比,得出串联式动力电池包内每个电池模组中具有最大测量端电压的单体电池和具有最小测量端电压的单体电池。
S4:对串联式动力电池包内每个电池模组中具有最大测量端电压的单体电池和具有最小测量端电压的单体电池进行实时在线监控,并对相应的电池模组中其余的单体电池进行长时间尺度L的离线监控。
S5:对串联式动力电池包内所有单体电池的端电压进行估计,并计算出每个单体电池的残差信号。
采用状态观测器配合单体电池的等效模型对串联式动力电池包内所有单体电池的端电压进行估计,状态观测器进行时间更新和测量更新得到单体电池的估计端电压,计算得出串联式动力电池包内每个单体电池的残差信号r。以串联式动力电池包内第i(i=1、2、3、......、m)电池模组中的第j(j=1、2、3、......、n)个单体电池为例,其残差信号其中,
yvij为第i电池模组中第j个单体电池的测量端电压,
为第i电池模组中第j个单体电池的估计端电压。
对单体电池的端电压进行估计时,具体的估计步骤如下:
首先,对状态观测器中的x、P、Cov_ω和Cov_v进行初始化设置得到 Cov_ω0和Cov_v0,
其中,
为单体电池的系统状态x的初始值,
为单体电池的状态估计误差协方差矩阵P的初始值,
Cov_ω0为单体电池的状态白噪声的协方差矩阵Cov_ω的初始值,
Cov_v0为单体电池的测量白噪声的协方差矩阵Cov_v的初始值。
接着,对状态观测器进行时间更新,且更新的时间长度为一个采样时间间隔Δt,得到单体电池的系统状态x和单体电池的系统状态估计误差的协方差矩阵P在k时刻的先验估计值和对状态观测器进行测量更新,得到系统状态x和系统状态估计误差的协方差矩阵P在k时刻的后验估计值和循环上述更新操作,得出单体电池在k时刻的估计端电压
当采用自适应扩展卡尔曼滤波器作为状态观测器时,状态观测器的更新过程如下:
状态观测器进行时间更新,得到单体电池的系统状态x和系统状态估计误差的协方差矩阵P在k时刻的先验估计值和且
其中,
状态观测器进行测量更新,得到单体电池的系统状态x和系统状态估计误差的协方差矩阵P在k时刻的后验估计值和且
卡尔曼增益矩阵:其中,
系统状态的测量更新:
系统状态估计误差协方差矩阵的测量更新:其中,I为单位矩阵,
系统输出估计误差更新:
系统输出估计误差协方差匹配:其中,N表示用于协方差匹配的时间窗口长度,
系统状态白噪声及测量白噪声的协方差矩阵更新:
系统输出的估计值(单体电池的估计端电压):
S6:进行残差评价,即对计算得出的残差信号r与报警阈值J进行比较,并根据比较结果得出故障报警信号。
根据残差信号r获得故障报警信号d,当|r|≥J即残差信号r越过了报警阈值J时,d=1,传感器有故障发生;当|r|<J即残差信号r位于报警阈值J的范围内时,d=0,传感器无故障发生。
令串联式动力电池包内第i电池模组中实时在线监控的具有最大测量端电压yVi,max的单体电池Sci,max的残差信号为ri,max,且该残差信号ri,max对应的报警信号为di,max,具有最小测量端电压yVi,min的单体电池Sci,min的残差信号为ri,min,且该残差信号ri,min对应的报警信号为di,min;令第i电池模组内离线监控的第j'个单体电池Scij'的残差信号为rij',且该残差信号rij'对应的报警信号为dij',其中,j'=1、2、3、......、n',且n'=n-2,表示串联式动力电池包内第i电池模组内离线监控的单体电池的总数目。
S7:对监控串联式动力电池包的电流传感器是否发生故障进行判断:
当故障报警信号di,max和di,min同时为1时,监控第i电池模组内单体电池的单体电池级的电流传感器fIpack发生故障,诊断终止;
当故障报警信号di,max、di,min和dij'至少有一个为零时,监控第i电池模组内单体电池的单体电池级的电流传感器fIpack无故障,并进入步骤S8。
S8:根据故障报警信号d逐级判断监控串联式动力电池包内电池模组中的单体电池的单体电池级的电压传感器、监控串联式动力电池包内电池模组的模组级的电压传感器以及监控串联动力电池包的电池包级的电压传感器是否发生故障。
(a)对监控串联式动力电池包内电池模组中的单体电池的单体电池级的电压传感器是否发生故障进行判断:
当故障报警信号di,max=1,di,min=0时,监控第i电池模组内单体电池Sci,max的单体电池级的电压传感器fVi,max发生故障,诊断终止;
当故障报警信号di,max=0,di,min=1时,监控第i电池模组内单体电池Sci,min的单体电池级的电压传感器fVi,min发生故障,诊断终止;
当故障报警信号di,max和di,min至少有一个为零且dij'=1时,监控第i电池模组内离线监控的第j'个单体电池Scij'的单体电池级的电压传感器fVij'发生故障,诊断终止;
当报警信号di,max、di,min和dij'均为零时,监控第i电池模组内所有单体电池的单体电池级的电压传感器均无故障;
当监控串联式动力电池包内所有电池模组中的所有单体电池的单体电池级的电压传感器均无故障时,进入下一步骤(b)。
(b)对监控串联式动力电池包内电池模组的模组级的电压传感器是否发生故障进行判断:
采集待检测第i电池模组的端电压测量值yVi,并比较该待检测第i电池模组的端电压测量值yVi与该第i电池模组内所有单体电池Scij的测量端电压yVij之和sumj=1:n(yVij);
当|yVi-sumj=1:n(yVij)|>ε时,监控待检测的第i电池模组的模组级的电压传感器发生故障fVi,诊断终止;
当|yVi-sumj=1:n(yVij)|≤ε时,其中ε表示包含传感器测量误差在内的检测阈值,监控待检测第i电池模组的模组级的电压传感器无故障;
当监控串联式动力电池包内所有电池模组的模组级的电压传感器均无故障时,进入下一步骤(c)。
(c)对监控串联式动力电池包的电池包级的电压传感器是否发生故障进行判断:
采集串联式动力电池包的端电压测量值yVpack,并对串联式动力电池包的端电压测量值yVpack与串联式动力电池包没所有电池模组的端电压测量值yVi之和sumi=1:m(yVi)进行比较;
当|yVpack-sumi=1:m(yVi)|>ε时,监控串联式动力电池包的电池包级的电压传感器fVpack发生故障;
当|yVpack-sumi=1:m(yVi)|≤ε时,监控串联式动力电池包的电池包级的电压传感器无故障。
在使用上述方法对串联式动力电池包内传感器故障进行检测并根据检测结果对故障位置进行定位时,对同一电池模组中的单体电池进行分类,并对具有最大测量端电压的单体电池和具有最小测量端电压的单体电池进行实时在线监控,对其余单体电池进行长时间尺度的离线监控,从而可避免因电池模组中的所有单体电池同时进行实时在线监控而导致状态观测器同时运行并产生巨大的计算量,进而可提高传感器的故障诊断的准确性及实时性。
另外,本发明串联式动力电池包内传感器的故障诊断方法采用分层式理念对串联式动力电池包内的电压传感器的故障进行诊断。具体地,首先对单体电池级的电压传感器进行诊断,当单体电池级的电压传感器发生故障时,诊断终止;当单体电池级的电压传感器均无故障时,接着对电池模组级的电压传感器进行诊断,当电池模组级的电压传感器发生故障时,诊断终止;当电池模组级的电压传感器均无故障时,再对电池包级的电压传感器进行诊断。由此可见,采用本发明方法对串联式动力电池包内的传感器的故障进行诊断时,在完成单体电池级电压传感器的故障诊断后,采用简单的逻辑判断即可顺利完成电池模组级和电池包级的电压传感器故障的诊断,诊断效率高。
下面,以完好的串联式动力电池包为例,对本发明串联式动力电池包内传感器故障诊断方法的诊断效果进行验证,且上述串联式动力电池包A由3组电池模组串联形成,且每个电池模组均由5个可用容量为4.5Ah的单体电池串联形成。
首先,以串联式动力电池包A中的第1电池模组为例,根据测试结果对监控电池模组中的单体电池用的单体电池级的传感器进行故障诊断:
对串联式动力电池包A进行测试,且采样时间间隔Δt为0.1秒(s),可得到该串联式动力电池包A的充放电电流的变化曲线如图3(a)所示,以及第1电池模组内的单体电池C-01至C-05的测量端电压的变化曲线如图3(b)-3(f)所示。由图3(b)-3(f)可知,在该串联式动力电池包A中的第1电池模组内,具有最大测量端电压的单体电池为C-05;具有最小测量端电压的单体电池为C-02。对串联式动力电池包A进行第二次充放电测试,并对第1电池模组内的单体电池C-02和C-05进行实时在线监控,并在测试时间为1000s时,人为破坏监控该第1电池模组内的单体电池C-02的电压传感器。在串联式动力电池包A第二次充放电过程中,监测到具有最大测量端电压的单体电池C-05产生的残差信号r1,max如图4(a)所示,具有最小测量端电压的单体电池C-02产生的残差信号r1,min如图4(b)所示。由图4(a)可知,残差信号r1,max在串联式动力电池包A第二次充放电过程中均位于报警阈值J范围内,即残差信号r1,max小于报警阈值J,故报警信号d1,max=0;由图4(b)可知,在第二次充放电测试的测试时间1000s之前,残差信号r1,min一直位于报警阈值J范围内,即残差信号r1,min小于报警阈值J;在测试时间为1000.2s时,残差信号r1,min发生-0.03伏特(V)的偏移并越过了报警阈值J,且在测试时间1000s之后,残差信号r1,min一直位于报警阈值J范围外,即残差信号r1,min大于报警阈值J,故在测试时间1000s之前,残差信号r1,min对应的报警信号d1,min=0;在测试时间1000.2s之后,残差信号r1,min对应的报警信号d1,min=1。因此,根据图4可知,该串联式动力电池包A中,监控第1电池模组内单体电池的单体电池级的电流传感器无故障;在测试时间1000s之前,监控第1电池模组内的单体电池级的电压传感器无故障,在测试时间1000s之后,监控第1电池模组内第2个单体电池C-02的端电压的单体电池级的电压传感器发生故障fV1,min(fV1,C-02),且该电压传感器故障在1000.2s被诊断出来,即在故障发生的0.2s内被诊断出来,诊断实时性较好。
接着,对该串联式动力电池包A进行第三次充放电测试,并在测试时间为1000s时,人为破坏监控第3电池模组的模组级电压传感器,且在测试过程中,分别对第2电池模组和第3电池模组的端电压测量值yV2和yV3与对应的电池模组内所有单体电池的端电压测量值之和sumj=1:n(yV2j)和sumj=1:n(yV3j)进行比较,得到二者之间的压差ΔV2和ΔV3依次如图5(a)和5(b)所示。由图5(a)可知,|ΔV2|≤ε,故监控第2电池模组的模组级的电压传感器无故障,且诊断结果如图6(a)所示;由图5(b)可知,在测试时间1000s之前,|ΔV3|≤ε;在测试时间1000s时,ΔV3发生+0.1V偏移,且在测试时间1000s之后,|ΔV3|>ε,故监控第3电池模组的模组级的电压传感器在测试时间1000s时发生偏移故障,且诊断结果如图6(b)所示。
综上可见,采用本发明串联式动力电池包内传感器故障诊断方法对串联式动力电池包内传感器的故障进行检测诊断时,诊断实时性好,故障定位准确。
Claims (7)
1.一种串联式动力电池包内传感器故障诊断方法,其特征在于,
S1、在所述串联式动力电池包充放电过程中,采集所述串联式动力电池包的充放电电流iL以及该串联式动力电池包内的单体电池的端电压,且采集数据的采样时间间隔为Δt;
S2、建立所述单体电池的等效模型,并根据所述单体电池的等效模型建立所述单体电池的系统状态方程和系统观测方程,
其中,
xk表示所述单体电池在k时刻的系统状态,
xk-1表示所述单体电池在k-1时刻的系统状态,
θk表示所述单体电池在k时刻的模型参数,
θk-1表示所述单体电池在k-1时刻的模型参数,
uk表示所述单体电池在k时刻的输入矩阵,
uk-1表示所述单体电池在k-1时刻的输入矩阵,
ωk-1表示所述单体电池在k-1时刻的状态白噪声,其均值为零,协方差矩阵为Cov_ωk-1,
vk表示所述单体电池在k时刻的测量白噪声,其均值为零,协方差矩阵为Cov_vk,
f(xk-1,θk-1,uk-1)表示所述单体电池在k时刻的状态函数,
g(xk,θk,uk)表示所述单体电池在k时刻的观测函数,
yk表示所述单体电池在k时刻的测量矩阵,
并辨识出所述单体电池的模型参数θ;
S3、采集所述串联式动力电池包内每个电池模组中所有单体电池的测量端电压并进行对比,分离出所述串联式动力电池包内每个电池模组中具有最大测量端电压的单体电池和具有最小测量端电压的单体电池;
S4、对所述串联式动力电池包内每个电池模组中具有最大测量端电压的单体电池和具有最小测量端电压的单体电池进行实时在线监控,并对所述电池模组中其余的单体电池进行长时间尺度L的离线监控;
S5、采用状态观测器配合所述单体电池的等效模型对所述单体电池的端电压进行估计,所述状态观测器进行时间更新和测量更新得到所述单体电池在k时刻的估计端电压,计算得出所述单体电池的残差信号r,且其中,
rij为所述串联式动力电池包内第i电池模组中第j个单体电池的残差信号,
yVij为所述第i电池模组中第j个单体电池的测量端电压,
为所述第i电池模组中第j个单体电池的估计端电压,
i=1、2、3、......、m,m为正整数,且m表示所述串联式动力电池包内串联的电池模组的总数目,
j=1、2、3、......、n,n为正整数,且n表示所述第i电池模组内串联的单体电池的总数目;
S6、根据所述残差信号r获得故障报警信号d,当所述残差信号r大于或等于报警阈值J时,d=1,则传感器有故障发生;当所述残差信号r小于所述报警阈值J时,d=0,则传感器无故障发生;
令所述串联式动力电池包内第i电池模组中实时在线监控的具有最大测量端电压yVi,max的单体电池Sci,max的残差信号为ri,max,且该残差信号ri,max对应的故障报警信号为di,max,具有最小测量端电压yVi,min的单体电池Sci,min的残差信号为ri,min,且该残差信号ri,min对应的故障报警信号为di,min;
令所述第i电池模组内离线监控的第j'个单体电池Scij'的残差信号为rij',且该残差信号rij'对应的故障报警信号为dij',其中,j'=1、2、3、......、n',且n'=n-2,表示所述串联式动力电池包内第i电池模组内离线监控的单体电池的总数目;
S7、对监控所述串联式动力电池包的电流传感器是否发生故障进行判断:
当故障报警信号di,max和di,min同时为1时,监控所述串联式动力电池包的电流传感器fIpack发生故障,诊断终止;
当故障报警信号di,max、di,min和dij'至少有一个为零时,除di,max和di,min同时为1的情况下,监控所述串联式动力电池包的电流传感器fIpack无故障,并进入步骤S8;
S8、根据所述故障报警信号d逐级判断监控所述串联式动力电池包内每个电池模组中所有单体电池的单体电池级的电压传感器、监控所述串联式动力电池包内所有电池模组的模组级的电压传感器以及监控所述串联动力电池包的电池包级的电压传感器是否发生故障:
(a)对监控所述串联式动力电池包内每个电池模组中的单体电池的单体电池级的电压传感器是否发生故障进行判断:
当故障报警信号di,max=1,di,min=0时,监控所述第i电池模组内单体电池Sci,max的单体电池级的电压传感器fVi,max发生故障,诊断终止;
当故障报警信号di,max=0,di,min=1时,监控所述第i电池模组内单体电池Sci,min的单体电池级的电压传感器fVi,min发生故障,诊断终止;
当故障报警信号di,max和di,min至少有一个为零且dij'=1时,监控所述第i电池模组内离线监控的第j'个单体电池Scij'的单体电池级的电压传感器fVij'发生故障,诊断终止;
当报警信号di,max、di,min和dij'均为零时,监控所述第i电池模组内所有单体电池的单体电池级的电压传感器均无故障;
当监控所述串联式动力电池包内所有电池模组中的所有单体电池的单体电池级的电压传感器均无故障时,进入下一步骤(b);
(b)对监控所述串联式动力电池包内电池模组的模组级的电压传感器是否发生故障进行判断:
采集待检测第i电池模组的端电压测量值yVi,并对该端电压测量值yVi和所述待检测第i电池模组内所有单体电池Scij的测量端电压yVij之和sumj=1:n(yVij)进行比较;
当|yVi-sumj=1:n(yVij)|>ε时,监控所述待检测第i电池模组的模组级的电压传感器fVi发生故障,诊断终止;
当|yVi-sumj=1:n(yVij)|≤ε时,其中ε表示包含传感器测量误差在内的检测阈值,监控所述待检测第i电池模组的模组级的电压传感器fVi无故障;
当监控所述串联式动力电池包内所有电池模组的模组级电压传感器均无故障时,进入下一步骤(c);
(c)对监控所述串联式动力电池包的电池包级的电压传感器是否发生故障进行判断:
采集所述串联式动力电池包的端电压测量值yVpack,并对所述串联式动力电池包的端电压测量值yVpack与所述串联式动力电池包内所有电池模组的端电压测量值yVi之和sumi=1:m(yVi)进行比较;
当|yVpack-sumi=1:m(yVi)|>ε时,监控所述串联式动力电池包的电池包级的电压传感器fVpack发生故障;
当|yVpack-sumi=1:m(yVi)|≤ε时,监控所述串联式动力电池包的电池包级的电压传感器fVpack无故障。
2.根据权利要求1所述的串联式动力电池包内传感器故障诊断方法,其特征在于,在所述步骤S1中,采集数据时的采样时间间隔均匀。
3.根据权利要求2所述的串联式动力电池包内传感器故障诊断方法,其特征在于,在所述步骤S2中,所述等效模型为等效电路模型,所述模型参数θ包括所述单体电池的内阻、极化内阻和极化电容。
4.根据权利要求3所述的串联式动力电池包内传感器故障诊断方法,其特征在于,在所述步骤S2中,采用具有遗忘因子λ的递归最小二乘法辨识出所述单体电池的模型参数θ。
5.根据权利要求4所述的串联式动力电池包内传感器故障诊断方法,其特征在于,所述遗忘因子λ的取值范围为λ∈[0.95,1]。
6.根据权利要求1-5中任意一项所述的串联式动力电池包内传感器故障诊断方法,其特征在于,在所述步骤S5中,对所述单体电池的端电压进行估计时:
首先,对所述状态观测器中的x、P、Cov_ω和Cov_v进行初始化设置得到Cov_ω0和Cov_v0,
其中,
为所述单体电池的系统状态x的初始值,
为所述单体电池的状态估计误差协方差矩阵P的初始值,
Cov_ω0为所述单体电池的状态白噪声的协方差矩阵Cov_ω的初始值,
Cov_v0为所述单体电池的测量白噪声的协方差矩阵Cov_v的初始值;
接着,对所述状态观测器进行时间更新,且更新的时间长度为一个采样时间间隔Δt,得到所述单体电池的系统状态x和所述单体电池的系统状态估计误差协方差矩阵P在k时刻的先验估计值和对所述状态观测器进行测量更新,得到所述系统状态x和所述系统状态估计误差协方差矩阵P在k时刻的后验估计值和循环上述更新操作,得出所述单体电池在k时刻的估计端电压
7.根据权利要求6所述的串联式动力电池包内传感器故障诊断方法,其特征在于,当所述状态观测器为自适应扩展卡尔曼滤波器时,
所述状态观测器进行时间更新,得到所述系统状态x和所述系统状态估计误差协方差矩阵P在k时刻的先验估计值和且
其中,
所述状态观测器进行测量更新,得到所述系统状态x和所述系统状态估计误差协方差矩阵P在k时刻的后验估计值和且
卡尔曼增益矩阵:其中,
系统状态的测量更新:
系统状态估计误差协方差矩阵的测量更新:其中,I为单位矩阵,
系统输出估计误差更新:
系统输出估计误差协方差匹配:其中,N表示用于协方差匹配的时间窗口长度,
系统状态白噪声及测量白噪声的协方差矩阵更新:
系统输出的估计值:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610854995.7A CN106526488B (zh) | 2016-09-27 | 2016-09-27 | 串联式动力电池包内传感器故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610854995.7A CN106526488B (zh) | 2016-09-27 | 2016-09-27 | 串联式动力电池包内传感器故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106526488A CN106526488A (zh) | 2017-03-22 |
CN106526488B true CN106526488B (zh) | 2019-01-25 |
Family
ID=58344489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610854995.7A Active CN106526488B (zh) | 2016-09-27 | 2016-09-27 | 串联式动力电池包内传感器故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106526488B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107167737A (zh) * | 2017-03-31 | 2017-09-15 | 惠州市蓝微新源技术有限公司 | 一种电池系统安全监控方法 |
CN107748336B (zh) * | 2017-11-06 | 2024-01-26 | 清华大学 | 锂离子电池的荷电状态在线估计方法及系统 |
CN108931686A (zh) * | 2018-07-10 | 2018-12-04 | 北京新能源汽车股份有限公司 | 一种电池系统总电压欠压检测方法、装置、设备及汽车 |
CN109061537B (zh) * | 2018-08-23 | 2019-07-16 | 重庆大学 | 基于观测器的电动车辆锂离子电池传感器故障诊断方法 |
CN110596593B (zh) * | 2019-08-26 | 2020-08-04 | 浙江大学 | 基于智能自适应扩展卡尔曼滤波的锂离子电池soc估计方法 |
CN110907833B (zh) * | 2019-10-16 | 2021-01-29 | 北京理工大学 | 一种基于滑动窗口的动力电池故障诊断方法 |
CN111551869A (zh) * | 2020-05-15 | 2020-08-18 | 江苏科尚智能科技有限公司 | 锂电池低频参数测量方法、装置、计算机设备和存储介质 |
CN111596248A (zh) * | 2020-06-01 | 2020-08-28 | 安徽江淮汽车集团股份有限公司 | 分流器电流采集故障判断方法、装置、设备及存储介质 |
CN112363059A (zh) * | 2020-11-02 | 2021-02-12 | 山东大学 | 基于gm(1,1)灰色模型的电池故障诊断方法及系统 |
CN113391214A (zh) * | 2021-07-30 | 2021-09-14 | 湖北工业大学 | 一种基于电池充电电压排名变化的电池微故障诊断方法 |
CN114035086B (zh) * | 2021-12-16 | 2023-08-11 | 上海交通大学 | 基于信号处理的电池组多故障诊断方法 |
CN114152880B (zh) * | 2022-02-08 | 2022-04-12 | 湖南大学 | 一种软包电池传感器故障在线检测方法 |
CN115856671B (zh) * | 2022-12-16 | 2023-09-08 | 广东工业大学 | 一种锂离子电池组微短路与电压传感器异常状态辨识方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102033205A (zh) * | 2009-09-30 | 2011-04-27 | 比亚迪股份有限公司 | 一种车辆动力电池的故障检测系统及检测方法 |
CN102230954A (zh) * | 2011-06-22 | 2011-11-02 | 奇瑞汽车股份有限公司 | 一种锂离子动力电池包故障诊断装置及其诊断方法 |
CN103197188A (zh) * | 2013-03-05 | 2013-07-10 | 上海翼锐汽车科技有限公司 | 电池电流传感器故障诊断系统及其方法 |
CN105051552A (zh) * | 2013-04-09 | 2015-11-11 | 三菱电机株式会社 | 电压传感器的故障检测装置 |
-
2016
- 2016-09-27 CN CN201610854995.7A patent/CN106526488B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102033205A (zh) * | 2009-09-30 | 2011-04-27 | 比亚迪股份有限公司 | 一种车辆动力电池的故障检测系统及检测方法 |
CN102230954A (zh) * | 2011-06-22 | 2011-11-02 | 奇瑞汽车股份有限公司 | 一种锂离子动力电池包故障诊断装置及其诊断方法 |
CN103197188A (zh) * | 2013-03-05 | 2013-07-10 | 上海翼锐汽车科技有限公司 | 电池电流传感器故障诊断系统及其方法 |
CN105051552A (zh) * | 2013-04-09 | 2015-11-11 | 三菱电机株式会社 | 电压传感器的故障检测装置 |
Non-Patent Citations (1)
Title |
---|
基于模型的纯电动车辆动力系统故障诊断研究;刘真通;《中国博士学位论文全文数据库 工程科技II辑》;20160715(第07期);C035-27 |
Also Published As
Publication number | Publication date |
---|---|
CN106526488A (zh) | 2017-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106526488B (zh) | 串联式动力电池包内传感器故障诊断方法 | |
CN106802396B (zh) | 一种电池内短路的诊断方法 | |
KR102106775B1 (ko) | 딥러닝을 이용한 전지 진단 방법 | |
CN111610456B (zh) | 一种区分电池微短路和小容量故障的诊断方法 | |
CN108254696A (zh) | 电池的健康状态评估方法及系统 | |
CN110286324A (zh) | 一种电池荷电状态估算方法及电池健康状态估算方法 | |
US11686699B2 (en) | System and method for anomaly detection and total capacity estimation of a battery | |
CN108333548A (zh) | 绝缘电阻测量设备及故障自诊断方法 | |
CN110441695A (zh) | 一种基于模型和信号处理相结合的电池组多故障综合诊断方法 | |
CN108896924A (zh) | 基于深度置信网络和卡尔曼滤波融合的锂离子电池荷电状态估计方法 | |
Howey et al. | Impedance measurement for advanced battery management systems | |
CN113933732A (zh) | 新能源汽车动力电池健康状态分析方法、系统及存储介质 | |
CN106696712A (zh) | 动力电池故障检测方法、系统及电动车辆 | |
CN114814691A (zh) | 一种基于数字孪生的锂电池系统电压传感器故障诊断方法 | |
CN115327386A (zh) | 一种基于电热耦合模型的电池组多故障诊断方法 | |
CN108693478A (zh) | 一种锂离子动力电池的漏液检测方法 | |
CN113687251A (zh) | 一种基于双模型的锂离子电池组电压异常故障诊断方法 | |
Huang et al. | An approach to measurements of electrical characteristics of lithium-ion battery with open-circuit voltage function | |
Kulkarni et al. | Li-ion battery digital twin based on online impedance estimation | |
CN112009252B (zh) | 一种动力电池系统故障诊断及容错控制方法 | |
Cai et al. | D-ukf based state of health estimation for 18650 type lithium battery | |
CN116819332A (zh) | 一种电池故障诊断方法、装置、介质及bms系统 | |
Tang et al. | An aging-and load-insensitive method for quantitatively detecting the battery internal-short-circuit resistance | |
CN112213642B (zh) | 一种并联电池组中单体连接断开的检测及定位方法 | |
CN110261725B (zh) | 一种检测预测电池系统连接可靠性的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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 |