CN107192914B - 锂离子动力电池内短路检测方法 - Google Patents
锂离子动力电池内短路检测方法 Download PDFInfo
- Publication number
- CN107192914B CN107192914B CN201710253246.3A CN201710253246A CN107192914B CN 107192914 B CN107192914 B CN 107192914B CN 201710253246 A CN201710253246 A CN 201710253246A CN 107192914 B CN107192914 B CN 107192914B
- Authority
- CN
- China
- Prior art keywords
- battery
- monomer
- short circuit
- internal short
- 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.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 41
- 239000000178 monomer Substances 0.000 claims abstract description 187
- 238000002474 experimental method Methods 0.000 claims abstract description 74
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims description 172
- 229910001416 lithium ion Inorganic materials 0.000 claims description 172
- 238000012360 testing method Methods 0.000 claims description 42
- 238000000034 method Methods 0.000 claims description 38
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 12
- 238000011056 performance test Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000007600 charging Methods 0.000 claims description 5
- 238000006467 substitution reaction Methods 0.000 claims description 4
- 210000004027 cell Anatomy 0.000 description 71
- 239000011159 matrix material Substances 0.000 description 11
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000007599 discharging Methods 0.000 description 4
- 230000010287 polarization Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007847 structural defect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 101150100287 DDX39B gene Proteins 0.000 description 1
- 101100424159 Mus musculus Vars1 gene Proteins 0.000 description 1
- 101150032839 SLC7A9 gene Proteins 0.000 description 1
- KFDQGLPGKXUTMZ-UHFFFAOYSA-N [Mn].[Co].[Ni] Chemical compound [Mn].[Co].[Ni] KFDQGLPGKXUTMZ-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010277 constant-current charging Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 210000001787 dendrite Anatomy 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 229910002804 graphite Inorganic materials 0.000 description 1
- 239000010439 graphite Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000000411 inducer Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007773 negative electrode material Substances 0.000 description 1
- 239000007774 positive electrode material Substances 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000037303 wrinkles Effects 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供了一种锂离子动力电池内短路检测方法，包括如下步骤：在电池模组中的内短路实验单体的内短路实验时间内，获取电池模组的各个锂离子动力电池单体的工作参数；根据电池模组内所有锂离子动力电池单体的工作参数和查表函数计算获得第一故障位；根据电池模组的各个锂离子动力电池的工作参数中的单体电压获得第二故障位；根据电池模组的各个锂离子动力电池的工作参数中的单体温度获得第三故障位；根据第一故障位、第二故障位和第三故障位计算获得总故障位，当总故障位大于或等于预设故障位阈值时，则判定内短路实验单体发生内短路。本发明的锂离子动力电池内短路检测方法，提高了锂离子动力电池内短路检测的检测精度。
Description
技术领域
本发明涉及电池技术领域，特别是涉及一种锂离子动力电池内短路检测方法。
背景技术
在能源紧缺问题与环境污染问题的双重压力下，新能源的应用已经成为不可逆的科技发展趋势。汽车动力系统电动化已逐渐成为未来汽车技术发展的主要趋势。汽车动力系统电动化的主要特征之一即使用电能代替化学能作为车辆主要的驱动能量来源。锂离子动力电池因其具有高比能量、低自放电率已经长循环寿命的特点，已经成为电动汽车动力来源的主要选择之一。
然而近年来，随着电动汽车的逐渐示范应用，以热失控为特征的锂离子动力电池的安全性事故时有发生。锂离子动力电池事故通常表现为以热失控为核心的温度骤升、冒烟、起火甚至爆炸等现象。热失控事故会打击民众接受电动汽车的信心，并阻碍电动汽车的普及。
锂离子动力电池热失控事故可能由多种诱因引发：在锂离子动力电池制造过程中，可能有杂质混入锂离子动力电池内部，也可能存在结构缺陷(如预应力造成的褶皱，或者由应力集中产生的开裂等)；在锂离子动力电池使用过程中，电池内部的电化学电位受到内部杂质以及结构缺陷的影响，这些有缺陷的部位的电化学电位分布异常。异常的电位分布会诱导金属枝晶的异常生长，枝晶的生长会最终刺破隔膜，导致电池内短路的发生。
在锂离子动力电池使用过程中，内短路从产生到最终造成锂离子动力电池热失控需要经历数小时的时间。在内短路发生与发展的这数小时期间内，内短路的发生以及内短路的严重程度必须被及时检测到，并及时预警，以保障车内乘客的人身安全和财产安全。
传统技术中，静态(充放电电流为0时)内短路检测通过外加机械装置、内部抽真空等进行内短路检测，主要用于锂离子动力电池的生产和出厂前的校核，并不能用于车用锂离子动力电池复杂的充放电工况。此外，基于电压不一致性的内短路检测，检测精度差、检测耗时长，可能无法在内短路触发热失控前检测出内短路，存在较大的安全隐患。
发明内容
鉴于现有技术中检测精度差的问题，本发明的目的在于提供一种锂离子动力电池内短路检测方法，使提高内短路检测的检测精度，提高锂离子动力电池使用的安全性和可靠性。
为实现上述目的，本发明采用如下技术方案：
一种锂离子动力电池内短路检测方法，包括如下步骤：
对选定的锂离子动力电池单体进行性能测试，获得电池性能参数，并根据所述电池性能参数建立查表函数；
将多个选定的所述锂离子动力电池单体形成电池模组，并将所述电池模组的其中一个所述锂离子动力电池单体作为内短路实验单体，在所述内短路实验单体的内短路实验时间内，获取所述电池模组的各个所述锂离子动力电池单体的工作参数；
根据所述电池模组内所有所述锂离子动力电池单体的工作参数和所述查表函数计算获得平均荷电状态估计值以及最低荷电状态估计值，根据所述平均荷电状态估计值与所述最低荷电状态估计值获得第一故障位；
根据所述电池模组的各个所述锂离子动力电池的工作参数中的单体电压获得所述电池模组中多个锂离子动力电池单体的单体电压平均值和单体电压最小值，根据所述单体电压平均值和所述单体电压最小值获得第二故障位；
根据所述电池模组的各个所述锂离子动力电池的工作参数中的单体温度获得所述电池模组中多个锂离子动力电池单体的单体温度最大值和电池温度平均值，根据所述单体温度最大值和所述单体温度平均值获得第三故障位；
根据所述第一故障位、所述第二故障位和所述第三故障位计算获得总故障位，当所述总故障位大于或等于预设故障位阈值时，则判定所述内短路实验单体发生内短路。
在其中一个实施例中，根据所述平均荷电状态估计值与所述最低荷电状态估计值获得第一故障位的步骤还包括：
根据预设的一个或多个第一差异参考值将荷电状态差异值范围划分为多个第一参考区间，每个所述第一参考区间对应设置有一个第一参考故障位；
根据所述平均荷电状态估计值和所述最低荷电状态估计值计算获得实际荷电状态差异值；
判断所述实际荷电状态差异值的所属的第一参考区间，将所述实际荷电状态差异值所属的第一参考区间对应的第一参考故障位设置为所述第一故障位。
在其中一个实施例中，当判定所述内短路实验单体发生内短路时，所述方法还包括如下步骤：
分别获取所述内短路实验单体在一个或多个所述第一差异参考值处的一个或多个报警时间；
获取所述内短路实验单体在所述内短路发生时的电池电压和电池容量；
根据一个或多个所述报警时间、所述内短路发生时的电池电压和电池容量计算获得所述内短路实验单体的内短路电阻估计值；
根据所述内短路实验单体的内短路电阻估计值判断所述内短路实验单体的内短路严重程度。
在其中一个实施例中，根据所述单体电压平均值和所述单体电压最小值获得第二故障位的步骤还包括：
根据所述一个或多个预设的第二差异参考值将电池电压差异值范围划分为多个第二参考区间，每个所述第二参考区间对应设置一个第二参考故障位；
根据所述单体电压平均值和所述单体电压最小值计算获得实际电池电压差异值；
判断所述实际电池电压差异值的所属的第二参考区间，将所述实际电池电压差异值所属的第二参考区间对应的第二参考故障位设置为所述第二故障位。
在其中一个实施例中，根据所述单体温度最大值和所述电池温度平均值获得第三故障位的步骤还包括：
根据所述一个或多个预设的第三差异参考值将电池温度差异值范围划分为多个第三参考区间，每个所述第三参考区间对应设置一个第三参考故障位；
根据所述单体温度最大值和所述电池温度平均值计算获得实际电池温度差异值；
判断所述实际电池温度差异值的所属的第三参考区间，将所述实际电池温度差异值所属的第三参考区间对应的第三参考故障位设置为所述第三故障位。
在其中一个实施例中，将多个选定的所述锂离子动力电池单体形成电池模组，并将所述电池模组的其中一个所述锂离子动力电池单体作为内短路实验单体，在所述内短路实验单体的内短路实验时间内，获取所述电池模组的各个所述锂离子动力电池的工作参数的步骤具体包括：
将多个所述锂离子动力电池单体充满电后串联形成所述电池模组；
在所述内短路实验单体内放置预设阻值的替代电阻，对所述内短路实验单体进行内短路实验；
对所述电池模组施加预设工况，直至所述电池模组的其中一个所述锂离子动力电池单体放电完全，结束所述内短路实验单体的内短路替代实验；
在所述内短路实验单体的内短路实验时间内，获取所述电池模组内各个所述锂离子动力电池单体的单体电压、单体温度以及单体荷电状态。
在其中一个实施例中，根据所述电池模组内所有所述锂离子动力电池单体的工作参数和所述查表函数计算获得平均荷电状态估计值以及最低荷电状态估计值的步骤还包括：
根据所述电池模组的各个所述锂离子动力电池的工作参数，将所述电池模组中电池电压最小的锂离子动力电池单体作为第一电池单体，将所述电池模组中电池温度最大的锂离子动力电池单体作为第二电池单体；
基于卡尔曼滤波模型，根据所述第一电池单体的电压值、所述第二电池单体的温度值和所述查表函数计算获得最低荷电状态估计值；
基于卡尔曼滤波模型，根据所述电池模组中所述第一电池单体之外的其他所有锂离子动力电池单体的单体电压平均值，所述电池模组中所述第二电池单体之外的其他所有锂离子动力电池单体的电池温度平均值，以及所述查表函数计算获得平均荷电状态估计值。
在其中一个实施例中，所述方法还包括如下步骤：
通过安时积分算法计算获得荷电状态安时积分值；
根据所述平均荷电状态估计值和所述安时积分值计算获得荷电状态误差值，判断所述荷电状态误差值是否在预设的参考误差范围内。
在其中一个实施例中，所述方法还包括如下步骤：
在将多个所述锂离子动力电池单体形成电池模组之前，将预设阻值的内短路电阻置于选定的所述锂离子电池单体内部，对选定的所述锂离子电池单体进行单体内短路触发热失控实验，获得选定的所述锂离子动力电池单体的热失控边界时间；
当判定所述内短路实验单体发生内短路时，获取所述内短路实验单体检测的实际检测时间；
判断所述实际检测时间是否大于或等于所述热失控边界时间，若是，则调整所述第一故障位，和/或所述第二故障位，和/或所述第三故障位，和/或所述预设故障位阈值，直至所述实际检测时间小于所述热失控边界时间。
在其中一个实施例中，对选定的所述锂离子动力电池单体进行性能测试包括：对选定的所述锂离子动力电池进行给定电流、给定温度的容量测试，以及对选定的所述锂离子动力电池进行混合动力脉冲能力标准测试；
其中，根据所述混合动力脉冲能力标准测试的测试数据建立查表函数。
本发明的有益效果是：
本发明的锂离子动力电池内短路检测方法，根据电池的荷电状态获得第一故障位，根据电池的电压获得第二故障位，同时通过电池温度获得第三故障位，并根据上述的第一故障位、第二故障位和第三故障位计算获得总故障位，并根据总故障位判断内短路实验单体是否发生内短路，提高了锂离子动力电池内短路检测的检测精度，进而提高了锂离子动力电池使用的安全性和可靠性。并且，本发明的锂离子动力电池检测方法还可以缩短内短路检测的检测时间，避免了电池内短路引发的热失控造成的危害。同时，上述方法还可以判断出内短路发生的严重程度。
附图说明
图1为本发明的锂离子动力电池内短路检测方法一实施例的流程图；
图2至图5为锂离子动力电池基本状态参数的查表函数的数据曲线；
图6为电池模组内短路替代实验的示意图；
图7为图1中第一故障位一实施例的确定过程流程图；
图8为内短路实验单体的替代电阻为0.35Ω时的SOC模型估计值、SOC安时积分值以及SOC估计误差的曲线图，其中，内短路在测试过程中触发；
图9为图1中第二故障位一实施例的确定流程图；
图10为图1中第三故障位一实施例的确定流程图；
图11为第一故障位、第二故障位和第三故障位的确定条件示意图；
图12为内短路检测的判断条件示意图；
图13为内短路实验单体的替代电阻为0.35Ω时的各状态参数故障位和总故障位的曲线图，其中，内短路在测试过程中触发；
图14为内短路电阻的实际值和估计值的曲线图；
图15为锂离子动力电池单体内短路触发热失控实验的示意图；
图16为锂离子动力电池的一阶RC等效电路的示意图。
具体实施方式
为了使本发明的技术方案更加清楚，以下结合附图，对本发明的锂离子动力电池内短路检测方法作进一步详细的说明。应当理解，此处所描述的具体实施例仅用以解释本发明并不用于限定本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
如图1所示，本发明一实施例提供了一种锂离子动力电池内短路检测方法，用于检测锂离子动力电池是否发生内短路现象，以避免热失控的发生，具体包括如下步骤：
S010、选定一款锂离子动力电池单体；具体地，本实施例中可以选用正极活性材料为镍钴锰三元材料，负极活性材料为石墨，额定容量为25Ah的锂离子动力电池。当然，在其他实施例中，还可以选用其他型号的锂离子动力电池进行内短路实验。
S020、对选定的锂离子动力电池单体进行性能测试，获得电池性能参数，并根据电池性能参数建立查表函数；具体地，对选定的锂离子动力电池单体进行性能测试包括：对选定的锂离子动力电池进行给定电流、给定温度的容量测试，以及对选定的锂离子动力电池进行混合动力脉冲能力标准测试(Hybrid PulsePower Characteristic，HPPC测试)，以获得电池性能参数，其中电池性能参数可以包括电池容量、电池电压、电池荷电状态以及电池温度等等。
进一步地，可以通过容量测试，获得该选定的锂离子动力电池在25℃、35℃和45℃,8.33A(1/3C倍率)充放电条件下正常电池的容量。本实施例中，基于锂离子动力电池单体的一阶RC等效电路模型，如图16所示，通过HPPC测试获得查表函数[OCV,R0,R1,C]＝f(SOC,T)，其中，OCV表示开路电压，R0表示锂离子动力电池单体的欧姆内阻，R1表示锂离子动力电池单体的极化内阻，C表示锂离子动力电池单体的极化电容。其中，可以通过充放电静置实验获得开路电压OCV与电池荷电状态SOC(State of Charge)之间的关系，具体地，每放电预设电量(如5％的SOC)之后，静置预设时间(如3小时)的方式，获得该选定的锂离子动力电池的开路电压OCV与电池荷电状态之间的关系，其关系曲线如图2所示。通过脉冲电流充放电的方式获得电池充/放电内阻R0、R1,C和电池荷电状态值之间的关系，其关系曲线如图3至5所示，其中，图3所示的关系曲线表示电阻R0与电池荷电状态SOC之间的关系；图4所示的关系曲线表示电阻R1与电池荷电状态SOC之间的关系；图5所示的关系曲线表示电容C与电池荷电状态SOC之间的关系。根据上述测试结果可以建立查表函数。
S040、将多个锂离子动力电池单体形成电池模组，并将电池模组的其中一个锂离子动力电池单体作为内短路实验单体，在内短路实验单体的内短路实验时间内，获取电池模组的各个锂离子动力电池的工作参数；具体地，可以再内短路实验单体内放置一个预设阻值的替代电阻，通过开关控制替代电阻的导通或关断实现对该内短路实验单体的内短路实验，如图6所示。电池模组的各个锂离子动力电池的工作参数可以包括各个锂离子动力电池的单体温度、单体电压以及单体荷电状态等等。
S050、根据电池模组内所有锂离子动力电池单体的工作参数和查表函数计算获得平均荷电状态估计值以及最低荷电状态估计值，根据平均荷电状态估计值与最低荷电状态估计值获得第一故障位。本实施例中，基于锂离子动力电池单体的一阶RC等效电路模型，进行平均荷电状态估计值和最低荷电状态估计值的SOC估计。在其他实施例中，还可以采用基于锂离子动力电池单体的二阶RC等效电路模型进行SOC估计。第一故障位的具体计算过程可参见下文中的描述。
S060、根据电池模组的各个锂离子动力电池的工作参数中的单体电压获得电池模组中多个锂离子动力电池单体的单体电压平均值和单体电压最小值，根据单体电压平均值和单体电压最小值获得第二故障位。具体地，可以通过对多个锂离子动力电池单体的单体电压值进行排序，获得单体电压最小值，单体电压平均值可以为多个锂离子动力单体的单体电压值的几何平均值或算术平均值，第二故障位的具体计算过程可参见下文中的描述。
S070、根据电池模组的各个锂离子动力电池的工作参数中的单体温度获得电池模组中多个锂离子动力电池单体的单体温度最大值和电池温度平均值，根据单体温度最大值和单体温度平均值获得第三故障位。具体地，可以通过对多个锂离子动力电池单体的单体温度值进行排序，获得单体温度最大值，单体电压平均值可以为多个锂离子动力单体的单体温度值的几何平均值或算术平均值，第三故障位的具体计算过程可参见下文中的描述。
S080、根据第一故障位、第二故障位和第三故障位计算获得总故障位；具体地，总故障位等于第一故障位、第二故障位和第三故障位的总和，如图6所示。
S090、判断总故障为是否大于或等于预设故障位阈值，当总故障位大于或等于预设故障位阈值时，则判定内短路实验单体发生内短路，发出内短路警报。否则，当总故障位小于预设故障位阈值时，则判定该内短路实验单体正常，未发生内短路现象。
在一个实施例中，上述步骤S040具体包括步骤：
S041、将多个锂离子动力电池单体充满电后串联形成电池模组，即将多个荷电状态100％的锂离子动力电池单体串联后形成电池模组。本实施例中，锂离子动力电池单体的数量可以为6个，如图6所示，图6中的Bat1～Bat6分别表示锂离子动力电池单体。在其他实施例中，锂离子动力电池单体的数量还可以是其他数量。
S042、在内短路实验单体内放置预设阻值的替代电阻，对内短路实验单体进行内短路实验；具体地，将预设阻值的替代电阻放置于内短路实验单体的两软包之间，该替代电阻可以通过控制开关和导线与该内短路实验单体的电池正负极相连，控制开关用于控制连接的通断，以实现替代电阻的接通或断开。本实施例中，为方便实验操作，在电池模组的6个锂离子动力电池内部均设置有替代电阻，且各个锂离子动力电池内部的替代电阻的阻值各不相同。在具体的实验过程中，可以指定其中一个锂离子动力电池作为内短路实验单体，并控制内短路实验单体对应的控制开关闭合。
S043、对电池模组施加预设工况，直至电池模组的其中一个锂离子动力电池单体放电完全，结束内短路实验单体的内短路替代实验；具体地，对电池模组施加FUDS(federalurban driving schedule，美国联邦城市运行工况)工况，通过控制开关的闭合模拟内短路实验单体的内短路开始发生，并记录内短路实验开始的时间。当电池模组中的某个锂离子动力电池放电到荷电状态等于0％时，实验结束，将与内短路实验单体连接的控制开关断开，并记录内短路实验结束的时间。通过上述内短路实验的开始时间和结束时间计算获得内短路实验时间。
S044、在内短路实验单体的内短路实验时间内，获取电池模组内各个锂离子动力电池单体的工作参数，其中锂离子动力电池单体的工作参数包括单体电压、单体温度以及单体荷电状态。上述各个锂离子动力电池单体的动作参数可以用于计算第一故障位、第二故障位和第三故障位，以实现内短路的检测判断。
本实施例中，选取不同阻值的替代电阻，使用了不同倍率的FUDS工况对上述电池模组进行了大量的实验验证，具体进行的测试如下表1所示：
表1
在一个实施例中，如图7所示，上述步骤S050具体还包括如下步骤：
S051，根据上述步骤S040中获得的电池模组内各个锂离子动力电池单体的工作参数中，可以计算获得最低荷电状态估计值和平均荷电状态估计值，具体地，上述步骤S051包括：
根据电池模组的各个锂离子动力电池的工作参数，将电池模组中电池电压最小的锂离子动力电池单体作为第一电池单体，将电池模组中电池温度最大的锂离子动力电池单体作为第二电池单体；
基于卡尔曼滤波模型，根据第一电池单体的电压值、第二电池单体的温度值和查表函数计算获得最低荷电状态估计值；本实施例中，通过卡尔曼滤波模型确定最优反馈系数，以最大程度的去除噪声等对荷电状态估计值误差的影响，从而提高荷电状态估计的准确度。
基于卡尔曼滤波模型，根据电池模组中第一电池单体之外的其他所有锂离子动力电池单体的单体电压平均值，电池模组中第二电池单体之外的其他所有锂离子动力电池单体的电池温度平均值，以及查表函数计算获得平均荷电状态估计值。本实施例中，通过卡尔曼滤波模型确定最优反馈系数，以最大程度的去除噪声等对荷电状态估计值误差的影响，从而提高荷电状态估计的准确度。
本实施例中，如图16所示，基于一阶RC等效电路模型进行锂离子动力电池单体SOC的估计，其估计算法步骤如下：
步骤1，根据HPPC测试，获取脱机标定一阶RC等效电路模型的性能参数，根据上述性能参数建立查表函数[OCV,R0,R1,C]＝f(SOC,T)。
步骤2，获取内短路实验单体在k时刻的先验预测值其中其中，为k-1时刻的荷电状态值，Ik-1为k-1时刻的放电电流，Qst为电池容量，ηc为库伦效率，Δtk-1表示k时刻与k-1时刻之间的时间差。
步骤3，通过查询查表函数，确定内短路实验单体在k时刻的电池模型参数，即获得其中，OCVmdl,k表示k时刻的开路电压，Ro,k表示k时刻的欧姆内阻，R1,k表示k时刻的极化电阻，Tk表示k刻的温度；τk表示时间常数，其中，τk＝R1,k*Ck，Ck表示k时刻电容C的容值。具体地，当需要计算最低荷电状态估计时，将Tk设置为第二电池单体的温度值，即此时的Tk为电池模组中所有锂离子动力电池单体的电池温度最大值。当需要计算平均荷电状态估计值时，将Tk设置为电池模组中除第二电池单体之外的其他所有锂离子动力电池单体的电池温度平均值。
步骤4，如图16所示，电阻R1与电容C并联，其上的电压降为U1，在k时刻的电压降U1,k＝U1,k.αk-1-R1,k-1.Ik-1.(1-αk-1)，Δtk表示k+1时刻与k时刻之间的时间差；R1,k-1表示k-1时刻的极化电阻；Ik-1为k-1时刻的放电电流。
步骤5，计算一阶RC等效电路模型的电压预测值Vmdl,k，Vmdl,k＝OCVmdl,k+Ik.R0,k-U1,k，其中，Ik表示k时刻的放电电流，根据步骤3和步骤4可计算获得Vmdl,k。
步骤6，计算误差Ek，Ek＝Vexp,k-Vmdl,k；其中，Vexp,k表示实验测得的电池电压。具体地，当需要计算最低荷电估计值时，将Vexp,k设置为第一电池单体的电压值，即此时的Vexp,k等于电池模组中所有锂离子动力电池单体的电池电压最小值。当需要计算平均荷电状态估计值时，将Vexp,k设置为电池模组中除第一电池单体之外的其他所有锂离子动力电池单体的单体电压平均值。
步骤7，利用卡尔曼滤波原理生成最优反馈修正系数Lk；
首先，获得先验估计误差协方差矩阵其中，Ak-1为状态变换矩阵，为状态变换矩阵Ak-1的转置矩阵；Ak-1＝1，为先验估计误差协方差矩阵，∑w为wk的方差，具体地，∑w＝0.0001；
其次，可以获得观测模型矩阵Ck为观测模型矩阵(用于将真实的状态空间映射为观测空间)；
再次，可以获得协方差最优估计矩阵其中，为观测模型矩阵的转置矩阵，∑v为vk的方差，wk和vk为互不相关的系统噪声，具体地，∑v＝0.001。
最后，根据上述计算结果可以获得最优反馈修正系数
此后，根据上述最优反馈修正系数Lk可以计算获得后验估计误差协方差矩阵，其中，为后验估计误差协方差矩阵，
步骤8，根据卡尔曼滤波原理获得最优反馈修正系数Lk，对荷电状态估计值进行修正，具体地，从而可以根据步骤2-7可以获得k时刻的荷电状态估计值
进一步地，为提高SOC估计的准确度，上述方法还包括如下步骤：
通过安时积分算法计算获得荷电状态安时积分值；应当清楚的是，安时积分的工作原理模型为其中SOC0为充放电起始状态，C为电池的额定容量，其可随温度、放电电流、充放电次数等因素而变化；I为电池的瞬时电流(放电状态为正，充电状态为负)；η为库伦效率系数，其代表了充放电循环中内部的电量耗散，平均放电电流、荷电状态和电池循环SOH(健康程度)等均有关，如图8所示。
根据平均荷电状态估计值和安时积分值计算获得荷电状态误差值，判断荷电状态误差值是否在预设的参考误差范围内；其中，荷电状态误差值等于平均荷电状态估计值和安时积分值之间的差值。本实施例中，参考误差范围可以为0.5％～2％，具体地，此处的参考误差范围取1％。当荷电状态误差值在正负1％以内时，则认为该平均荷电状态估计值的准确度已经达到较高的水平。
在计算获得最低荷电状态估计值和平均荷电状态估计值之后，可以根据上述最低荷电状态估计值和平均荷电状态估计值计算获得实际荷电状态差异值，根据实际荷电状态差异值获得第一故障位，具体包括如下步骤：
S052、根据预设的一个或多个第一差异参考值将荷电状态差异值范围划分为多个第一参考区间，每个第一参考区间对应设置有一个第一参考故障位。本实施例中，第一差异参考值可以为两个，其中一个第一差异参考值为电池荷电状态值5％，另一个第一差异参考值为电池荷电状态值10％。两个第一差异参考值将上述荷电状态差异值范围分割为三个第一参考区间，分别为[0,5％]，(5％，10％]以及(10％，+∞]。其中，第一个第一参考区间[0,5％]对应的第一参考故障位设置为0，第二个第一参考区间(5％，10％]对应的第一参考故障位设置为1，第三个第一参考区间(10％，+∞]对应的第一参考故障位设置为2，如图11所示。
S053、根据平均荷电状态估计值和最低荷电状态估计值计算获得实际荷电状态差异值ΔSOCk；其中，实际荷电状态差异值ΔSOCk等于平均荷电状态估计值与最低荷电状态估计值之间的差值，k表示时刻。
S054、判断实际荷电状态差异值ΔSOCk的所属的第一参考区间，将实际荷电状态差异值ΔSOCk所属的第一参考区间对应的第一参考故障位设置为第一故障位ψk,1。具体地，当实际荷电状态差异值ΔSOCk落入第一个第一参考区间，即当实际荷电状态差异值小于或等于5％时，将该第一故障位ψk,1设置为0。同理，当实际荷电状态差异值ΔSOCk落入第二个第一参考区间，即当该实际荷电状态差异值大于5％且小于10％时，将该第一故障位ψk,1设置为1。当实际荷电状态差异值ΔSOCk落入第三个第一参考区间，即当该实际荷电状态差异值大于10％时，将该第一故障位ψk,1设置为2。
当然，在其他实施例中，第一差异参考值的数量也可以为一个(如，5％或10％)，此时，第一参考区间的数量为2个。此外，第一差异参考值的数量还可以设置为两个以上，如三个或四个，此时第一故障位ψk,1的获得方法可参见上文的描述。应当清楚的是，上述各个步骤的先后顺序不作具体限定。
进一步地，当判定内短路实验单体发生内短路时，上述方法还包括步骤S120，判断内短路实验单体的内短路严重程度。具体包括如下步骤：
分别获取内短路实验单体在一个或多个第一差异参考值处的一个或多个报警时间；本实施例中，可以获得内短路实验单体在5％以及10％两个位置处的报警时间，为方便表述，将上述两个报警时间分别记为第一报警时间tlev1和第二报警时间tlev2。
获取内短路实验单体在内短路发生时的电池电压V和电池容量CAP；
根据一个或多个报警时间、内短路发生时的电池电压和电池容量计算获得内短路实验单体的内短路电阻估计值；具体地，由公式可以计算出内短路电阻的估计值。
根据内短路实验单体的内短路电阻估计值判断内短路实验单体的内短路严重程度。因为电池的内短路电阻越小，内短路的严重程度越大，内短路的危险性越高，所以利用内短路电阻的估计值可以判断内短路发生的严重程度。如图14所示，可以看出，大部分情况下，对于内短路电阻真实值的估计值的分布接近于y＝x斜直线，说明内短路电阻的估计值与真实值非常接近。
在一个实施例中，根据单体电压平均值和单体电压最小值获得第二故障位的步骤还包括：
S061、根据一个或多个预设的第二差异参考值将电池电压差异值范围划分为多个第二参考区间，每个第二参考区间对应设置一个第二参考故障位；本实施例中，第二差异参考值的数量可以为一个(如0.1V)，此时，该第二差异参考值将电池电压差异范围分割为两个第二参考区间，其中一个第二参考区间为[0,0.1V]，其对应的第二参考故障位可以设置为0，另一个第二参考区间为(0.1V，+∞]，其对应的第二参考故障位可以设置为1。
S062、根据单体电压平均值和单体电压最小值计算获得实际电池电压差异值ΔVk；其中，实际电池电压差异值ΔVk等于单体电压平均值与单体电压最小值之间的差值，k表示时刻。
S063、判断实际电池电压差异值ΔVk的所属的第二参考区间，将实际电池电压差异值ΔVk所属的第二参考区间对应的第二参考故障位设置为第二故障位ψk,2。具体地，当实际电池电压差异值ΔVk落入区间[0,0.1V]，即实际电池电压差异值小于0.1V时，将第二故障位ψk,2设置为0。当实际电池电压差异值ΔVk落入区间(0.1V，+∞]，即实际电池电压差异值大于0.1V时，将第二故障位ψk,2设置为1，如图11所示。
在一个实施例中，根据单体温度最大值和电池温度平均值获得第三故障位的步骤还包括：
S071、根据一个或多个预设的第三差异参考值将电池温度差异值范围划分为多个第三参考区间，每个第三参考区间对应设置一个第三参考故障位。本实施例中，第三差异参考值可以为两个，其中一个第三差异参考值为5℃，另一个第三差异参考值为10℃。两个第三差异参考值将上述电池温度差异值范围分割为三个第三参考区间，分别为[0,5℃]，(5℃，10℃]以及(10℃+∞]。其中，第一个第三参考区间[0,5℃]对应的第三参考故障位设置为0，第二个第三参考区间(5℃，10℃]对应的第三参考故障位设置为1，第三个第三参考区间(10℃+∞]对应的第三参考故障位设置为2，如图11所示。
S072、根据单体温度最大值和电池温度平均值计算获得实际电池温度差异值ΔTk；其中，实际电池温度差异值等于单体温度最大值与电池温度平均值之间的差值，k表示时刻。
S073、判断实际电池温度差异值ΔTk的所属的第三参考区间，将实际电池温度差异值ΔTk所属的第三参考区间对应的第三参考故障位设置为第三故障位ψk,3。具体地，当实际电池温度差异值ΔTk落入第一个第三参考区间，即当实际荷电状态差异值小于或等于5℃时，将该第三故障位ψk,3设置为0。同理，当实际电池温度差异值ΔTk落入第二个第三参考区间，即当该实际荷电状态差异值大于5℃且小于或等于10℃时，将该第三故障位ψk,3设置为1。当实际电池温度差异值ΔTk落入第三个第三参考区间，即当该实际荷电状态差异值大于10℃时，将该第三故障位ψk,3设置为2。
当然，在其他实施例中，第三差异参考值的数量也可以为一个(如，5℃或10℃)，此时，第三参考区间的数量为2个。此外，第三差异参考值的数量还可以设置为两个以上，如三个或四个，此时第三故障位的获得方法可参见上文的描述。
如图12所示，总故障位的计算过程具体如下：
首先，可以根据实际荷电状态差异值ΔSOCk确定第一故障位ψk,1，其中，第一故障位ψk,1可以取0,1或2。其次，可以根据实际电压差异值ΔVk确定第二故障位ψk,2，其中，第二故障位ψk,2可以去0或1。再次，可以根据实际温度差异值ΔTk确定第三故障位ψk,3，其中，第三故障位ψk,3可以取0,1或2。最后，计算第一故障位ψk,1、第二故障位ψk,2和第三故障位ψk,3的总和获得总故障位ψk。当总故障位ψk大于预设故障位阈值时，则可以认为内短路实验单体发生内短路。其中，此处的预设故障位阈值可以的取值可以为3。
例如，如图13所示，第一故障位ψk,1为2，第二故障位ψk,2为1，第三故障位ψk,3为2，总故障位ψk为5。由图12可知，预设故障位阈值的取值为3。此时，总故障位ψk的值大于预设故障位阈值，说明当内短路实验单体的替代电阻为0.35Ω时，该内短路实验单体存在内短路现象。
在一个实施例中，上述方法还包括如下步骤：
步骤S030，在将多个锂离子动力电池单体形成电池模组之前，将预设阻值的内短路电阻置于选定的锂离子电池单体内部，对锂离子电池单体进行单体内短路触发热失控实验，获得选定的锂离子动力电池单体的热失控边界时间。具体地，如图15所示，将荷电状态为100％的选定的锂离子动力电池内部放入一个预设阻值(如，可以为0.37Ω)的内短路电阻，用充放电机开始对该内短路电阻施加一预设电流(如，11.7A)，并记录开始施加上述预设电流的起始时间。持续对该内短路电阻施加上述预设电流，直至该锂离子动力电池单体发生热失控，并记录发生热失控时的终止时间。根据上述起始时间和终止时间可以获得该锂离子动力电池单体从恒流充电到发生热失控所用的时间(如，49分钟57秒)，将这一时间作为该锂离子动力电池单体的热失控边界时间。
当判定内短路实验单体发生内短路时，则执行步骤S100，获取内短路实验单体检测的实际检测时间；具体地，在对电池模组进行内短路实验时，通过控制开关的闭合模拟内短路实验单体的内短路开始发生，并记录内短路检测的开始时间。当总故障位大于或等于预设故障位阈值时，即内短路实验单体发生内短路时，记录内短路检测的结束时间。通过上述内短路检测的开始时间和结束时间计算获得内短路实验单体检测的实际实验时间。
S110，判断实际检测时间是否大于或等于热失控边界时间，若是，则调整第一故障位，和/或第二故障位，和/或第三故障位，和/或预设故障位阈值，直至实际检测时间小于热失控边界时间。其中，可以通过调整第一差异参考值的数量或大小，以实现对第一故障位的调整；通过调整第二差异参考值的数量或大小，以实现对第二故障位的调整；通过调整第三差异参考值的数量或大小以实现第三故障位的调整，从而可以根据第一故障位，和/或第二故障位，和/或第三故障位的变化实现对总故障位的调整。当然，在第一故障位、第二故障位和第三故障位的确定条件不变的情况下，还可以通过预设故障位阈值的大小，以实现对内短路实验判断条件的调整。在其他实施例中，还可以同时对预设故障位阈值和总故障位进行调整。通过上述方法可以在内短路实验单体发生热失控之前，将内短路检测出来，从而很大程度上避免了内短路引发的热失控造成的危害。
本实施例中，将实际检测时间与热失控边界时间(49分57秒)进行比较，从而判断是否需要调整内短路判断条件。具体地，在预设故障位阈值为3且第一故障位、第二故障位和第三故障位设置为如图6所示的条件下，全部24组存在内短路的实验，其内短路的实际检测时间均小于热失控边界时间(49分57秒)。具体地的内短路的实际检测时间如下表所示：
本发明的锂离子动力电池内短路检测方法，根据电池的荷电状态获得第一故障位，根据电池的电压获得第二故障位，同时通过电池温度获得第三故障位，并根据上述的第一故障位、第二故障位和第三故障位计算获得总故障位，并根据总故障位判断内短路实验单体是否发生内短路，提高了锂离子动力电池内短路检测的检测精度，进而提高了锂离子动力电池使用的安全性和可靠性。并且，本发明的锂离子动力电池检测方法还可以缩短内短路检测的检测时间，避免了电池内短路引发的热失控造成的危害。同时，上述方法还可以判断出内短路发生的严重程度。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种锂离子动力电池内短路检测方法，其特征在于，包括如下步骤：
对选定的锂离子动力电池单体进行性能测试，获得电池性能参数，并根据所述电池性能参数建立查表函数；
将多个选定的所述锂离子动力电池单体形成电池模组，并将所述电池模组的其中一个所述锂离子动力电池单体作为内短路实验单体，在所述内短路实验单体的内短路实验时间内，获取所述电池模组的各个所述锂离子动力电池单体的工作参数；
根据所述电池模组内所有所述锂离子动力电池单体的工作参数和所述查表函数计算获得平均荷电状态估计值以及最低荷电状态估计值，包括：
根据所述电池模组的各个所述锂离子动力电池的工作参数，将所述电池模组中电池电压最小的锂离子动力电池单体作为第一电池单体，将所述电池模组中电池温度最大的锂离子动力电池单体作为第二电池单体；
基于卡尔曼滤波模型，根据所述第一电池单体的电压值、所述第二电池单体的温度值和所述查表函数计算获得最低荷电状态估计值；
基于卡尔曼滤波模型，根据所述电池模组中所述第一电池单体之外的其他所有锂离子动力电池单体的单体电压平均值，所述电池模组中所述第二电池单体之外的其他所有锂离子动力电池单体的电池温度平均值，以及所述查表函数计算获得平均荷电状态估计值；
根据所述平均荷电状态估计值与所述最低荷电状态估计值获得第一故障位，包括：
根据预设的一个或多个第一差异参考值将荷电状态差异值范围划分为多个第一参考区间，每个所述第一参考区间对应设置有一个第一参考故障位；
根据所述平均荷电状态估计值和所述最低荷电状态估计值计算获得实际荷电状态差异值；
判断所述实际荷电状态差异值的所属的第一参考区间，将所述实际荷电状态差异值所属的第一参考区间对应的第一参考故障位设置为所述第一故障位；
根据所述电池模组的各个所述锂离子动力电池的工作参数中的单体电压获得所述电池模组中多个锂离子动力电池单体的单体电压平均值和单体电压最小值，根据所述单体电压平均值和所述单体电压最小值获得第二故障位，包括：
根据一个或多个预设的第二差异参考值将电池电压差异值范围划分为多个第二参考区间，每个所述第二参考区间对应设置一个第二参考故障位；
根据所述单体电压平均值和所述单体电压最小值计算获得实际电池电压差异值；
判断所述实际电池电压差异值的所属的第二参考区间，将所述实际电池电压差异值所属的第二参考区间对应的第二参考故障位设置为所述第二故障位；
根据所述电池模组的各个所述锂离子动力电池的工作参数中的单体温度获得所述电池模组中多个锂离子动力电池单体的单体温度最大值和电池温度平均值，根据所述单体温度最大值和所述电池温度平均值获得第三故障位，包括：
根据一个或多个预设的第三差异参考值将电池温度差异值范围划分为多个第三参考区间，每个所述第三参考区间对应设置一个第三参考故障位；
根据所述单体温度最大值和所述电池温度平均值计算获得实际电池温度差异值；
判断所述实际电池温度差异值的所属的第三参考区间，将所述实际电池温度差异值所属的第三参考区间对应的第三参考故障位设置为所述第三故障位；
根据所述第一故障位、所述第二故障位和所述第三故障位计算获得总故障位，当所述总故障位大于或等于预设故障位阈值时，则判定所述内短路实验单体发生内短路。
2.根据权利要求1所述的锂离子动力电池内短路检测方法，其特征在于，当判定所述内短路实验单体发生内短路时，所述方法还包括如下步骤：
分别获取所述内短路实验单体在一个或多个所述第一差异参考值处的一个或多个报警时间；
获取所述内短路实验单体在所述内短路发生时的电池电压和电池容量；
根据一个或多个所述报警时间、所述内短路发生时的电池电压和电池容量计算获得所述内短路实验单体的内短路电阻估计值；
根据所述内短路实验单体的内短路电阻估计值判断所述内短路实验单体的内短路严重程度。
3.根据权利要求1或2所述的锂离子动力电池内短路检测方法，其特征在于，将多个选定的所述锂离子动力电池单体形成电池模组，并将所述电池模组的其中一个所述锂离子动力电池单体作为内短路实验单体，在所述内短路实验单体的内短路实验时间内，获取所述电池模组的各个所述锂离子动力电池的工作参数的步骤具体包括：
将多个所述锂离子动力电池单体充满电后串联形成所述电池模组；
在所述内短路实验单体内放置预设阻值的替代电阻，对所述内短路实验单体进行内短路实验；
对所述电池模组施加预设工况，直至所述电池模组的其中一个所述锂离子动力电池单体放电完全，结束所述内短路实验单体的内短路替代实验；
在所述内短路实验单体的内短路实验时间内，获取所述电池模组内各个所述锂离子动力电池单体的单体电压、单体温度以及单体荷电状态。
4.根据权利要求1所述的锂离子动力电池内短路检测方法，其特征在于，所述方法还包括如下步骤：
通过安时积分算法计算获得荷电状态安时积分值；
根据所述平均荷电状态估计值和所述安时积分值计算获得荷电状态误差值，判断所述荷电状态误差值是否在预设的参考误差范围内。
5.根据权利要求1或2所述的锂离子动力电池内短路检测方法，其特征在于，所述方法还包括如下步骤：
在将多个所述锂离子动力电池单体形成电池模组之前，将预设阻值的内短路电阻置于选定的所述锂离子动力电池单体内部，对选定的所述锂离子动力电池单体进行单体内短路触发热失控实验，获得选定的所述锂离子动力电池单体的热失控边界时间；
当判定所述内短路实验单体发生内短路时，获取所述内短路实验单体检测的实际检测时间；
判断所述实际检测时间是否大于或等于所述热失控边界时间，若是，则调整所述第一故障位，和/或所述第二故障位，和/或所述第三故障位，和/或所述预设故障位阈值，直至所述实际检测时间小于所述热失控边界时间。
6.根据权利要求1或2所述的锂离子动力电池内短路检测方法，其特征在于，对选定的所述锂离子动力电池单体进行性能测试包括：对选定的所述锂离子动力电池进行给定电流、给定温度的容量测试，以及对选定的所述锂离子动力电池进行混合动力脉冲能力标准测试；
其中，根据所述混合动力脉冲能力标准测试的测试数据建立查表函数。
7.一种锂离子动力电池内短路检测装置，其特征在于，所述装置包括：
查表函数建立模块，用于对选定的锂离子动力电池单体进行性能测试，获得电池性能参数，并根据所述电池性能参数建立查表函数；
工作参数获取模块，用于将多个选定的所述锂离子动力电池单体形成电池模组，并将所述电池模组的其中一个所述锂离子动力电池单体作为内短路实验单体，在所述内短路实验单体的内短路实验时间内，获取所述电池模组的各个所述锂离子动力电池单体的工作参数；
荷电参数获取模块，用于根据所述电池模组内所有所述锂离子动力电池单体的工作参数和所述查表函数计算获得平均荷电状态估计值以及最低荷电状态估计值；
荷电参数获取模块，具体用于根据所述电池模组的各个所述锂离子动力电池的工作参数，将所述电池模组中电池电压最小的锂离子动力电池单体作为第一电池单体，将所述电池模组中电池温度最大的锂离子动力电池单体作为第二电池单体；基于卡尔曼滤波模型，根据所述第一电池单体的电压值、所述第二电池单体的温度值和所述查表函数计算获得最低荷电状态估计值；基于卡尔曼滤波模型，根据所述电池模组中所述第一电池单体之外的其他所有锂离子动力电池单体的单体电压平均值，所述电池模组中所述第二电池单体之外的其他所有锂离子动力电池单体的电池温度平均值，以及所述查表函数计算获得平均荷电状态估计值；
第一故障位获取模块，用于根据所述平均荷电状态估计值与所述最低荷电状态估计值获得第一故障位；
第一故障位获取模块，具体用于根据预设的一个或多个第一差异参考值将荷电状态差异值范围划分为多个第一参考区间，每个所述第一参考区间对应设置有一个第一参考故障位；根据所述平均荷电状态估计值和所述最低荷电状态估计值计算获得实际荷电状态差异值；判断所述实际荷电状态差异值的所属的第一参考区间，将所述实际荷电状态差异值所属的第一参考区间对应的第一参考故障位设置为所述第一故障位；
第二故障位获取模块，用于根据所述电池模组的各个所述锂离子动力电池的工作参数中的单体电压获得所述电池模组中多个锂离子动力电池单体的单体电压平均值和单体电压最小值，根据所述单体电压平均值和所述单体电压最小值获得第二故障位；
第二故障位获取模块，具体用于根据一个或多个预设的第二差异参考值将电池电压差异值范围划分为多个第二参考区间，每个所述第二参考区间对应设置一个第二参考故障位；根据所述单体电压平均值和所述单体电压最小值计算获得实际电池电压差异值；判断所述实际电池电压差异值的所属的第二参考区间，将所述实际电池电压差异值所属的第二参考区间对应的第二参考故障位设置为所述第二故障位；
第三故障位获取模块，用于根据所述电池模组的各个所述锂离子动力电池的工作参数中的单体温度获得所述电池模组中多个锂离子动力电池单体的单体温度最大值和电池温度平均值，根据所述单体温度最大值和所述电池温度平均值获得第三故障位；
第三故障位获取模块，具体用于根据一个或多个预设的第三差异参考值将电池温度差异值范围划分为多个第三参考区间，每个所述第三参考区间对应设置一个第三参考故障位；根据所述单体温度最大值和所述电池温度平均值计算获得实际电池温度差异值；判断所述实际电池温度差异值的所属的第三参考区间，将所述实际电池温度差异值所属的第三参考区间对应的第三参考故障位设置为所述第三故障位；
第一判断模块，用于根据所述第一故障位、所述第二故障位和所述第三故障位计算获得总故障位，当所述总故障位大于或等于预设故障位阈值时，则判定所述内短路实验单体发生内短路。
8.根据权利要求7所述的装置，其特征在于，当判定所述内短路实验单体发生内短路时，所述装置还包括：
报警时间获取模块，用于分别获取所述内短路实验单体在一个或多个所述第一差异参考值处的一个或多个报警时间；
电池参数获取模块，用于获取所述内短路实验单体在所述内短路发生时的电池电压和电池容量；
内短路电阻计算模块，用于根据一个或多个所述报警时间、所述内短路发生时的电池电压和电池容量计算获得所述内短路实验单体的内短路电阻估计值；
第二判断模块，用于根据所述内短路实验单体的内短路电阻估计值判断所述内短路实验单体的内短路严重程度。
9.根据权利要求7或8所述的装置，其特征在于，所述工作参数获取模块，具体用于将多个所述锂离子动力电池单体充满电后串联形成所述电池模组；在所述内短路实验单体内放置预设阻值的替代电阻，对所述内短路实验单体进行内短路实验；对所述电池模组施加预设工况，直至所述电池模组的其中一个所述锂离子动力电池单体放电完全，结束所述内短路实验单体的内短路替代实验；在所述内短路实验单体的内短路实验时间内，获取所述电池模组内各个所述锂离子动力电池单体的单体电压、单体温度以及单体荷电状态。
10.根据权利要求7所述的装置，其特征在于，所述装置还包括：
安时积分值计算模块，用于通过安时积分算法计算获得荷电状态安时积分值；
第三判断模块，用于根据所述平均荷电状态估计值和所述安时积分值计算获得荷电状态误差值，判断所述荷电状态误差值是否在预设的参考误差范围内。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710253246.3A CN107192914B (zh) | 2017-04-18 | 2017-04-18 | 锂离子动力电池内短路检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710253246.3A CN107192914B (zh) | 2017-04-18 | 2017-04-18 | 锂离子动力电池内短路检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107192914A CN107192914A (zh) | 2017-09-22 |
| CN107192914B true CN107192914B (zh) | 2019-11-22 |
Family
ID=59872033
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710253246.3A Expired - Fee Related CN107192914B (zh) | 2017-04-18 | 2017-04-18 | 锂离子动力电池内短路检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107192914B (zh) |
Families Citing this family (46)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107843802B (zh) * | 2017-10-23 | 2020-06-02 | 北京小米移动软件有限公司 | 内短路检测方法及装置 |
| CN108196190B (zh) * | 2017-11-20 | 2020-02-18 | 上海理工大学 | 一种电池组在线故障诊断方法 |
| CN108562855B (zh) * | 2017-12-18 | 2020-02-07 | 清华大学 | 电池内短路检测方法、装置和计算机可读存储介质 |
| CN108226693B (zh) * | 2017-12-18 | 2020-02-07 | 清华大学 | 实时电池内短路检测方法、检测装置和计算机可读存储介质 |
| FI127776B (en) * | 2018-02-08 | 2019-02-15 | Akkurate Oy | SYSTEM FOR DETERMINING THE INTERNAL BATTERY LEAKER FLOW INDICATOR |
| CN108508367A (zh) * | 2018-03-06 | 2018-09-07 | 天津力神电池股份有限公司 | 软包装电池极组短路的检测方法 |
| US10948544B2 (en) * | 2018-03-08 | 2021-03-16 | Industrial Technology Research Institute | Battery safety identifying method and method for setting hazard levels of battery internal short circuit and warning system using the same |
| CN110549904B (zh) * | 2018-03-30 | 2021-07-09 | 比亚迪股份有限公司 | 电动汽车及电动汽车的续驶里程计算方法、装置 |
| CN112470325A (zh) * | 2018-05-28 | 2021-03-09 | 雅扎米Ip私人有限公司 | 检测电池中的内部短路(isc)的方法和系统及实现这种isc检测方法的电池电芯 |
| CN110764014A (zh) * | 2018-07-26 | 2020-02-07 | 东莞新能德科技有限公司 | 电池内短路的检测方法、装置、终端及可读存储介质 |
| CN109521315A (zh) * | 2018-11-19 | 2019-03-26 | 北京新能源汽车股份有限公司 | 一种电池内部短路的检测方法、装置及汽车 |
| CN109782184B (zh) * | 2018-12-25 | 2021-12-28 | 东莞钜威动力技术有限公司 | Pack系统的热失控风险诊断方法及其电子设备 |
| CN111856316B (zh) * | 2019-04-02 | 2021-10-26 | 华为技术有限公司 | 检测电池组内短路的方法及相关装置、电动车 |
| CN110064149A (zh) * | 2019-04-22 | 2019-07-30 | 泰州市盛飞液压件有限公司 | 耦合bms的新能源大巴电池自动灭火装置及控制方法 |
| KR20210000207A (ko) * | 2019-06-24 | 2021-01-04 | 삼성에스디아이 주식회사 | 내부 단락 셀 검출 방법 |
| CN110398699A (zh) * | 2019-06-26 | 2019-11-01 | 清华大学 | 多传感器信息融合的动力电池热失控预警方法 |
| KR20210004646A (ko) | 2019-07-05 | 2021-01-13 | 주식회사 엘지화학 | 배터리 셀 진단 장치 및 방법 |
| CN110376530B (zh) * | 2019-08-08 | 2020-06-30 | 清华大学 | 电池内短路检测装置及方法 |
| CN110626210A (zh) * | 2019-08-29 | 2019-12-31 | 蜂巢能源科技有限公司 | 锂电池微短路的识别方法及电池管理系统 |
| CN112644336B (zh) * | 2019-10-11 | 2022-11-04 | 北京车和家信息技术有限公司 | 一种动力电池热失控预测方法及装置 |
| CN112666477B (zh) * | 2019-10-15 | 2022-06-03 | 东莞新能德科技有限公司 | 电池内短路判断方法、电子装置以及存储介质 |
| CN110837050B (zh) * | 2019-11-27 | 2021-01-05 | 安徽江淮汽车集团股份有限公司 | 电池包压差故障判断方法、设备及存储介质 |
| CN111208439B (zh) * | 2020-01-19 | 2021-10-22 | 中国科学技术大学 | 一种串联锂离子电池组微短路故障定量检测方法 |
| CN111198327B (zh) * | 2020-02-24 | 2021-02-02 | 北京理工大学 | 一种单体电池内短路故障自检测方法 |
| CN111537885B (zh) * | 2020-04-23 | 2021-08-13 | 西安交通大学 | 一种串联电池组的多时间尺度短路电阻估计方法 |
| CN111551860B (zh) * | 2020-05-26 | 2021-03-26 | 同济大学 | 一种基于弛豫电压特征的电池内短路诊断方法 |
| CN111929602B (zh) * | 2020-06-23 | 2023-06-16 | 上海理工大学 | 一种基于容量估计的单体电池漏电或微短路定量诊断方法 |
| CN112133854B (zh) * | 2020-08-28 | 2023-04-18 | 北京汽车股份有限公司 | 动力电池的电池模组、故障检测方法、动力电池以及车辆 |
| CN111999656B (zh) * | 2020-08-28 | 2023-05-12 | 广州小鹏汽车科技有限公司 | 车辆电池内短路的检测方法、检测装置和电子设备 |
| CN112014746B (zh) * | 2020-09-08 | 2023-04-25 | 上海理工大学 | 一种区分串联电池包内外微短路的故障诊断方法 |
| CN112147512B (zh) * | 2020-09-17 | 2021-11-26 | 北京理工大学 | 一种锂离子电池短路与滥用故障的诊断及分离方法 |
| CN112485674B (zh) * | 2020-11-20 | 2021-12-10 | 清华大学 | 一种正向锂离子电池内短路热失控建模方法 |
| WO2022126390A1 (zh) * | 2020-12-15 | 2022-06-23 | 东莞新能德科技有限公司 | 电池内短路侦测方法、电子装置和存储介质 |
| CN112924885B (zh) * | 2021-01-29 | 2021-12-31 | 同济大学 | 基于增量容量曲线峰值高度的电池内短路定量诊断方法 |
| CN112909363A (zh) * | 2021-02-05 | 2021-06-04 | 北京车和家信息技术有限公司 | 电池系统内短路预警方法、装置、介质、车载系统和车辆 |
| CN113466738B (zh) * | 2021-05-31 | 2024-07-16 | 广东朝阳电子科技股份有限公司 | 短路检测电路 |
| CN113567862A (zh) * | 2021-07-13 | 2021-10-29 | 珠海朗尔电气有限公司 | 锂电池备电系统soh估算方法及装置 |
| CN113721156A (zh) * | 2021-08-30 | 2021-11-30 | 哈尔滨理工大学 | 一种用于磷酸铁锂电池的多时间尺度综合预警方法 |
| JP2023551032A (ja) * | 2021-09-30 | 2023-12-06 | 寧徳時代新能源科技股▲分▼有限公司 | 電池の検出方法及び装置、読み取り可能な記憶媒体 |
| CN114137417B (zh) * | 2021-11-19 | 2023-01-17 | 北京理工大学 | 一种基于充电数据特征的电池内短路检测方法 |
| CN114325417B (zh) * | 2021-12-22 | 2024-09-06 | 北京国家新能源汽车技术创新中心有限公司 | 一种动力电池内短路检测方法 |
| CN114252772B (zh) * | 2021-12-22 | 2023-09-05 | 中国科学院电工研究所 | 一种锂离子电池内部短路诊断方法及系统 |
| CN116184248B (zh) * | 2023-04-24 | 2023-07-07 | 广东石油化工学院 | 一种串联电池组的微小短路故障检测方法 |
| CN116559561B (zh) * | 2023-05-08 | 2024-04-26 | 苏州英瑞传感技术有限公司 | 实验生产验证设备的状态评估方法、控制器及监控系统 |
| CN116256661B (zh) * | 2023-05-16 | 2023-08-29 | 中国华能集团清洁能源技术研究院有限公司 | 电池故障检测方法、装置、电子设备和存储介质 |
| CN116840731A (zh) * | 2023-08-30 | 2023-10-03 | 中国华能集团清洁能源技术研究院有限公司 | 电池组的故障检测方法及其装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014002009A (ja) * | 2012-06-18 | 2014-01-09 | Toyota Motor Corp | 二次電池の検査方法 |
| CN103837834A (zh) * | 2014-02-18 | 2014-06-04 | 清华大学 | 电池热失控特性的测试方法 |
| CN104062597A (zh) * | 2014-06-24 | 2014-09-24 | 清华大学 | 电池内短路的测试装置及触发方法 |
| CN106067560A (zh) * | 2016-08-04 | 2016-11-02 | 清华大学 | 内短路锂离子动力电池的制备方法 |
| CN106154172A (zh) * | 2016-06-17 | 2016-11-23 | 清华大学 | 锂离子动力电池内短路程度的定量估算方法 |
-
2017
- 2017-04-18 CN CN201710253246.3A patent/CN107192914B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014002009A (ja) * | 2012-06-18 | 2014-01-09 | Toyota Motor Corp | 二次電池の検査方法 |
| CN103837834A (zh) * | 2014-02-18 | 2014-06-04 | 清华大学 | 电池热失控特性的测试方法 |
| CN104062597A (zh) * | 2014-06-24 | 2014-09-24 | 清华大学 | 电池内短路的测试装置及触发方法 |
| CN106154172A (zh) * | 2016-06-17 | 2016-11-23 | 清华大学 | 锂离子动力电池内短路程度的定量估算方法 |
| CN106067560A (zh) * | 2016-08-04 | 2016-11-02 | 清华大学 | 内短路锂离子动力电池的制备方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107192914A (zh) | 2017-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107192914B (zh) | 锂离子动力电池内短路检测方法 | |
| CN111610456B (zh) | 一种区分电池微短路和小容量故障的诊断方法 | |
| CN111208439B (zh) | 一种串联锂离子电池组微短路故障定量检测方法 | |
| CN108318775B (zh) | 在线诊断电池短路故障的方法及装置 | |
| CN108983108B (zh) | 一种动力电池组峰值功率估计方法 | |
| CN111551860B (zh) | 一种基于弛豫电压特征的电池内短路诊断方法 | |
| CN110573893A (zh) | 用于估计二次电池的充电状态的装置和方法 | |
| WO2020021888A1 (ja) | 管理装置、及び電源システム | |
| CN109596993B (zh) | 锂离子电池荷电状态检测的方法 | |
| CN111742461B (zh) | 管理装置、蓄电系统 | |
| CN110682831B (zh) | 一种车载动力电池均衡方法、装置及汽车 | |
| CN112098893B (zh) | 一种适用于电动汽车的基于初始容量差异的电池内短路故障诊断方法 | |
| CN110888074B (zh) | 用于soc初始值计算的电压确定方法及装置 | |
| CN110949175A (zh) | 一种电动汽车用电池寿命控制方法 | |
| CN108363016B (zh) | 基于人工神经网络的电池微短路定量诊断方法 | |
| CN110614936A (zh) | 一种电池组的远程在线均衡方法及装置 | |
| Alsabari et al. | Modeling and validation of lithium-ion battery with initial state of charge estimation | |
| CN112130077B (zh) | 一种不同工况下动力电池组的soc估算方法 | |
| JP6493762B2 (ja) | 電池システム | |
| Baba et al. | State of charge estimation of lithium-ion battery using Kalman filters | |
| CN114355217A (zh) | 基于二阶等效电路模型的漏液电池诊断方法 | |
| CN114200317A (zh) | 一种动态修正安时积分法的soc估算方法 | |
| KR20220120372A (ko) | 배터리 관리 장치 및 그것의 동작 방법 | |
| Baba et al. | State of charge estimation of HEV/EV battery with series Kalman filter | |
| CN110554319A (zh) | 基于改进型锂离子电池数学模型的电池参数检测方法 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191122 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |