CN108544925B - 电池管理系统 - Google Patents
电池管理系统 Download PDFInfo
- Publication number
- CN108544925B CN108544925B CN201810282001.8A CN201810282001A CN108544925B CN 108544925 B CN108544925 B CN 108544925B CN 201810282001 A CN201810282001 A CN 201810282001A CN 108544925 B CN108544925 B CN 108544925B
- Authority
- CN
- China
- Prior art keywords
- battery
- sensor
- value
- voltage
- current
- 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
-
- 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
-
- 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
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
-
- 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
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/54—Drive Train control parameters related to batteries
- B60L2240/545—Temperature
-
- 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
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/54—Drive Train control parameters related to batteries
- B60L2240/547—Voltage
-
- 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
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/54—Drive Train control parameters related to batteries
- B60L2240/549—Current
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Secondary Cells (AREA)
Abstract
本发明涉及电池管理系统,包括车载电池管理单元和基于电池历史数据的云计算系统组成,车载电池管理单元利用电池信息采集单元测量的电压、电流、温度进行电池模型参数辨识,利用辨识出的参数,进行状态SOC和SOE估计、基于模型参数实现多目标优化的充放电能力SOP估计、电池的短路故障检测、传感器故障检测及传感器在线标定、以及电池的自加热和热均衡功能等。利用云服务器存储量大,计算能力强的特点实现基于在线的电池容量即健康状态SOH估计,利用模型参数、SOC信息进行电池组一致性估计、剩余里程预测;对参数慢时变的内短路状态进行估计;以及利用历史充电数据进行剩余寿命预测(RUL);并利用无线传输将计算的结果回传至车载电池管理单元。
Description
技术领域
电动汽车动力电池及储能电池领域,尤其涉及一种电动汽车的电池管理系统。
背景技术
当前电池管理系统集成在车载硬件上,由于车载硬件计算能力有限,无法实现大规模复杂精细计算,造成当前电池管理系统功能不全。
当传感器出现故障,将引起电池管理系统较大的噪声波动,往往会造成模型参数的发散;当前的电池管理中的故障诊断功能单一,只进行电池故障的判断,且方法简单,只采用若干级故障等级进行判断,系统的误报率较高,且当传感器出现故障时,易引发故障类型判断失误,无法区分时电池故障还是传感器故障。
发明内容
为解决不同算法计算需求不同和当前电池管理系统功能不全的问题,本发明的电池管理系统有两部分组成,包括高实时性的车载电池管理单元和基于电池历史数据的云计算系统组成。车载电池管理单元包括模型参数在线辨识模块、多算法融合状态估计模块、多目标约束最优充放电策略模块、传感器故障检测及在线标定模块、基于模型的短路故障诊断模块、电池自加热及热均衡管理模块。车载控制器的功能包括:采用多算法融合的状态估计模块实现SOC和SOE估计,采用健康状态估计模块实现SOH估计,采用多目标约束最优充放电策略模块实现SOP估计,采用基于模型的短路故障诊断模块、传感器故障检测及在线标定模块、故障类型判断模块这三个模块实现电池传感器故障判断和电池故障判断,采用电池自加热及热均衡管理模块实现电池的热管理。云计算系统的功能包括:电池剩余可用容量估计、剩余使用寿命预测、电池组一致性状态估计、电池内短路故障状态估计、剩余里程预测。
针对传感器出现故障,引起较大的噪声波动时,往往会造成模型参数的发散;为解决这个问题,本发明中电池模型参数辨识模块除了利用电池的电压、温度、电流外,还采用传感器故障信息作为参数辨识模块的输入信号,当电压传感器和温度传感器发生故障时,参数辨识模块自动切换离线参数辨识算法。离线参数辨识是基于SOC-温度-欧姆内阻三维曲面、SOC-温度-极化电阻三维曲面、SOC-温度-极化电容三维曲面,计算出参数值。传感器无故障时采用在线参数辨识方法。
此外本发明的多算法融合的状态估计,引入传感器故障检测及传感器在线标定模块输出的测量噪声统计值作为其中输入信号之一,利用多算法概率融合的方式进行电池SOC、极化电压的估计。
为解决不占用车载控制器运算能力的基础上准确估计内短路的问题,利用云端服务器实时估算内短路阻值,根据SOC、电压和所述云计算系统估计的内短路的阻值来进行最终的内短路故障判断。
附图说明
图1电池管理系统功能架构图;
图2车载电池管理单元的工作流程图;
图3电池模型参数辨识模块和多算法融合状态估计流程图;
图4剩余寿命预测算法流程图;
图5故障类型判断模块流程图;
图6传感器故障检测及在线标定模块流程图;
具体实施方式
本发明中,除外部环境温度外,温度皆指电池温度;
电池模型参数包括欧姆内阻、极化内阻和极化电容;
本领域中统计值系指均值和方差,因此本发明中传感器噪声统计值,系指一段时间内噪声的均值和方差;
本领域中,剩余寿命值电池的剩余充放电次数;
本领域中,剩余电量百分比英文缩写SOC;
本领域中,剩余电量英文缩写SOE;
本领域中,许用电流值英文缩写SOP;
本领域中,剩余容量,即蓄电池满充容量相对额定容量的百分比,英文缩写SOH;
本领域中,剩余寿命英文缩写RUL。
本发明所涉及的电池管理系统分为两部分,包括高实时性的车载电池管理单元和基于电池历史数据的云计算系统组成。所述电池管理系统功能架构如图1所示。该电池管理系统通过云端与线下多模块间的数据交互,实现电池的状态估计和安全管理的功能。
所述车载电池管理单元包括线下多模块,线下多模块具体为:电池模型参数辨识模块、多算法融合状态估计模块、故障类型判断模块、传感器故障检测及在线标定模块、基于模型的短路故障诊断模块、电池自加热及热均衡管理模块和多目标约束最优充放电策略模块。
电池模型参数辨识模块,获得电池模型参数;
多算法融合状态估计模块,估计电池的剩余电量百分比SOC和剩余电量SOE;
多目标约束最优充放电策略模块,实时估计出当前最大的可用充放电电流的能力,即许用电流值SOP值;
故障类型判断模块,判断所述车载电池管理单元是否存在故障,并判断是电池故障还是传感器故障;
传感器故障检测及在线标定模块,实时对电压传感器、电流传感器、温度传感器进行故障判断,输出故障传感器类型,并且计算电压传感器噪声统计值和电流传感器噪声统计值,本领域中噪声统计值系指一段时间内噪声的均值和方差;
基于模型的短路故障诊断模块,实现电池内部短路故障的检测;
电池自加热及热均衡模块,依据当前的SOC、电池温度和环境温度、电压计算出有效的自加热交流电流,对电池进行热均衡管理。
车载电池管理单元的工作流程如图2所示,具体步骤如下:
(1)进行车载电池管理单元的各模块涉及的所有算法所涉及到的所有计算变量初始化。
(2)对中断服务进程进行初始化,计算各模块分配任务调度时间的优先级。
(3)等待时间中断是否响应。
(4)若20ms定时器1中断触发,则按照如下步骤进行计算,否则等待中断响应。
①清除中断标志位,调取数据读取程序;
②读取数据总线上的全部数据并存入相应的全局变量;
③判断是否收到整车控制器下电指令;
④是,则储存SOC、模型参数、剩余电量、剩余容量、传感器故障信息、电池故障信息;否,则等待中断响应。
(5)若20ms定时器2中断触发,则按照如下步骤进行,否则等待中断响应。
①清除中断标志位,读取内短路状态、电流、电压、温度信号;
②调取故障类型判断模块程序;
③调取传感器故障检测及传感器在线标定模块程序;
④输出传感器内短路故障信息和噪声统计值。
(6)若10ms定时器中断触发,则按照如下步骤进行,否则等待中断响应。
①清除中断标志位,读取故障类型判断模块的输出、电压、电流、温度、内短路状态;
②调取基于模型的短路故障检测模块的程序;
③输出短路故障信息。
(7)1s定时器中断触发,则按照如下步骤进行,否则等待中断响应。
①清除中断标志位,读取传感器故障标志位、噪声误差统计值,一致性状态、剩余容量。
②调取电池模型参数辨识模块程序;
③调取多算法融合状态估计模块程序;
④调取多目标约束最优充放电电流计算模块程序;
⑤输出模型参数,SOC,极化电压,SOP,SOE。
(8)若当前温度满足加热要求,且加热枪信号使能,则按照如下步骤进行,否则等待中断响应。
①清除中断标志位,读取SOC,SOP信号;
②调取电池自加热及热均衡管理模块程序;
③输出加热电流至加交流加热仪。
如图3所示,电池模型参数在线辨识模块除了利用电池的电压、电池温度、电流外,还采用传感器故障检测及在线标定模块输出的故障传感器类型作为参数辨识模块的输入信号,当电压传感器发生故障时,电池模型参数辨识模块自动切换为基于MAP图的离线参数辨识算法,调取上一次SOC值,查表SOC-温度-开路电压三维曲面、SOC-温度-欧姆内阻三维曲、SOC-温度-极化内阻三维曲面、SOC-温度-极化电容三维曲面分别计算开路电压、欧姆内阻、极化内阻和极化电容;否则进行在线参数辨识,利用当前时刻电流、电压、温度、SOC,采用带遗忘因子的递推最小二乘算法计算开路电压、欧姆内阻、极化内阻和极化电容。
如图3所示,多算法融合状态估计模块,利用传感器故障检测及传感器在线标定模块输出的电压传感器噪声统计值和电流传感器噪声统计值,以及云端计算系统计算的电池一致性状态、剩余可用容量、包括欧姆内阻、极化内阻和极化电容在内的模型参数、电流、电压、温度,进行电池SOC和电池极化电压的估计,并利用当前的SOH信息,估计出电池的SOE,具体计算流程如下:
(1)传感器噪声是否更新,即判断传感器故障检测及传感器在线标定模块输出的电压传感器噪声统计值和电流传感器噪声统计值是否更新;
(2)若步骤(1)已更新,则采用更新后的电压传感器噪声统计值和电流传感器噪声统计值计算,否则按照未更新的电压传感器噪声统计值和电流传感器噪声统计值进行计算;
(3)计算SOC、极化电压、SOE。
电池自加热及热均衡管理模块,根据数据总线上的电池温度、环境温度、电池电压数据,以及该时刻多算法融合状态估计模块输出的SOC值和多目标约束最优充放电策略模块输出的许用电流值,并根据设定的温度阀值,判定是否需要交流电加热,若需要,则计算和更新交流电激励电流幅值,发送到数据总线段,控制车载交流激励设备施加交流电流进行电池加热,同时保证电池的端电压不超限,使电流处于电池允许的承载电流范围内,以期提高动力电池低温工作性能。
多目标约束最优充放电策略模块,以许用电流、温升速率、截止电压为约束目标,进行充电时,利用当前温度以及SOC值,利用SOC-温度-充电电流三维曲面,计算出当前的最优充电电流值;当进行正常使用时,利用参数在线辨识模块计算出的模型参数、状态估计模块输出的SOC值和极化电压值,并依据电池的许用电流值、温升值、电池截止电压进行约束,计算当前电池的可用充放电电流。
故障类型判断模块,单体电流传感器值超过电流阈值、单体电池电压传感器值超过电压阈值和单体电池温度传感器值超过温度阈值超过温度阈值中,有任意一个条件满足且持续时间超过时间阈值,则该模块输出为疑似传感器故障;若有任意两个条件满足且持续时间超过时间阈值,则该模块输出为疑似电池故障。
故障类型判断模块,具体流程如图4,其过程如下步骤:
(1)初始化故障标志位,其中第一位代表温度传感器故障、第二位代表电压传感器故障、第三位代表电流传感器故障;
(2)读取数据总线上当前时刻的电流、电压、电池温度、SOC、电池模型参数以及内短路状态;
(3)判断电流传感器输出的故障位是否为1,是1则电流传感器故障位置1,否则置0;
(4)根据电池类型,读取电池的上下截止电压,基于当前电压的值,判断是否处于截止电压范围,若否电压传感器故障位置1,否则置0;
(5)根据工况实际使用环境温度设定电池温度上限,判断当前电池温度是否高于温度上限,若是则温度传感器故障位置1,否则置0;
(6)计算故障标志位,若该值大于等于2,则输出疑似电池故障,若该值小于2,大于0,则输出疑似传感器故障;若该值为0,则输出无故障。
传感器故障检测及在线标定模块,具体工作流程如图5,传感器故障检测及在线标定模块,是基于电池模型参数实现对电流传感器、电压传感器、温度传感器的在线故障判断。首先读取当前电流、电压、温度、SOC、极化电压、模型参数等信息,当传感器不存在疑似故障时,则计算传感器噪声统计值;当存在疑似传感器故障时,则进行传感器故障判断,判断过程如下:
(1)当为疑似电流传感器故障时,则进行电流值的预测,得到预测电流值,当预测电流值与电流传感器输出的电流值之差超过阈值时判定为电流传感器故障。
(2)当为疑似电压传感器故障时,利用输入的电流信号、SOC值、模型参数、极化电压预测电池端电压值,得到预测电压值,当预测电压值与电压传感器输出的电压值之差超过阈值时判定为电压传感器故障。
(3)当为疑似温度传感器故障时,利用电压信号、电流信号、模型参数、SOC,并结合电池的热模型进行电池温度预测,得到预测温度值,当预测温度值与温度传感器输出的温度值之差超过阈值时判定为温度传感器故障。
基于模型的短路故障诊断模块根据SOC、电压和所述云计算系统估计的内短路的阻值来进行最终的内短路故障判断。具体为当电池系统静置八小时,SOC跳变超过SOC跳变阈值,单体电池端电压跳变超过端电压跳变阈值,且该内短路阻值超过内短路阻值阈值时,判断为内短路故障。
所述的云计算系统主要利用前述车载电池管理单元无线传输低频发送的电池电压、电池温度、环境温度、电流、SOC、模型参数等信息,实现剩余容量SOH估计,电池组一致性估计、内短路阻值估计、剩余寿命RUL预测和剩余里程估计预测。所述的云计算系统包括:剩余容量SOH估计模块、电池组一致性估计模块、内短路故障估计模块、剩余寿命RUL预测模块和剩余里程预测模块。
由于内短路阻值的变化是缓慢的,但是一旦内短路发生,其过程是迅速的,由于车载管理单元计算能力和数据存储能力有限,为了实时获得内短路阻值且不占用车载车载管理单元运算能力,设置云端计算系统的内短路故障估计模块,其根据电池电压、温度、电流、参数、状态等历史数据,并结合带有短路内阻的等效电路模型,进行电池的内短路阻值估计。
为解决车载电池更换周期的无法确定的问题,利用云端服务器,对电池的剩余充放电次数,即剩余寿命,进行预测。剩余寿命预测算法的流程如图6所示。每特定循环次数下计算充电工况下特定段电压范围内的充电容量值,利用该充电容量值和剩余容量间的函数关系估计剩余容量,根据估计的所述剩余容量和额定容量计算容量衰退率。当容量衰减率小于85%时,以特定循环次数为数据拟合长度,对估计的剩余容量进行线性回归拟合,获得拟合系数,利用该拟合系数和蒙特卡洛仿真,进行剩余寿命预测。具体步骤如下:
(1)算法进行初始化;
(2)记录电池的充放电循环次数;
(3)判断循环次数是否大于60,若是,则进行步骤(4),否则返回(2);
(4)利用安时积分计算充电工况下某一段电压范围内的充电容量值,利用该值和剩余容量间的函数关系,进行剩余容量估计;
(5)调取额定容量值,计算容量衰退率;
(6)判断容量衰减率是否小于85%,是则进行下一步,否则返回步骤(4);
(7)以60个循环次数为数据拟合长度,对计算出的剩余容量进行线性回归拟合,获得拟合系数;
(8)蒙特卡洛仿真,随机产生1000个均值为0,方差为计算拟合系数时得到的不确定值的粒子,对模型进行蒙特卡罗仿真,计算容量衰退率为0.8时的循环次数的仿真结果,进行剩余寿命预测;
(9)统计仿真结果的均值和方差,确定预测的不确定性。
Claims (9)
1.一种电池管理系统,包括车载电池管理单元和基于电池历史数据的云计算系统;
所述的云计算系统估计所述电池的内短路阻值;
所述的车载电池管理单元包括:
电池模型参数辨识模块,获得模型参数;所述模型参数包括欧姆内阻、极化内阻和极化电容;
故障类型判断模块,判断是疑似电池故障还是疑似传感器故障;
传感器故障检测及在线标定模块,在疑似传感器故障时对电压传感器、电流传感器、温度传感器进行故障判断;
基于模型的短路故障诊断模块,结合所述电池内短路阻值实现电池内部短路故障的诊断;
当传感器故障检测及在线标定模块判断电压传感器发生故障时,所述电池模型参数辨识模块进行基于MAP图的离线参数辨识,调取上一次SOC值,查表SOC-温度-开路电压三维曲面、SOC-温度-欧姆内阻三维曲面、SOC-温度-极化内阻三维曲面、SOC-温度-极化电容三维曲面,分别计算开路电压和所述模型参数。
2.根据权利要求1所述的系统,其特征在于:云计算系统还实现剩余容量SOH估计,电池组一致性估计、剩余寿命RUL预测和剩余里程估计预测。
3.根据权利要求2所述的系统,其特征在于:所述剩余寿命RUL预测在每特定循环次数下计算充电工况下特定段电压范围内的充电容量值,利用该充电容量值和剩余容量间的函数关系估计剩余容量,根据估计的所述剩余容量和额定容量计算容量衰退率;当容量衰减率小于85%时,以特定循环次数为数据拟合长度,对估计的剩余容量进行线性回归拟合,获得拟合系数,利用该拟合系数和蒙特卡洛仿真,进行剩余寿命RUL预测。
4.根据权利要求1所述的系统,其特征在于:对于故障类型判断模块,单体电流传感器值超过电流阈值、单体电池电压传感器值超过电压阈值和单体电池温度传感器值超过温度阈值超过温度阈值中,有任意一个条件满足且持续时间超过时间阈值,则输出为疑似传感器故障;若有任意两个条件满足且持续时间超过时间阈值,则输出为疑似电池故障。
5.根据权利要求4所述的系统,其特征在于:对于传感器故障检测及在线标定模块,当故障类型判断模块输出疑似传感器故障时,则进行对于疑似传感器故障对应的疑似故障传感器的故障判断。
6.根据权利要求5所述的系统,其特征在于:所述疑似故障传感器的故障判断方法为:
当疑似电流传感器故障时,进行电流值的预测,得到预测电流值,当预测电流值与电流传感器输出的电流值之差超过阈值时判定为电流传感器故障;
当疑似电压传感器故障时,利用输入的电流信号、SOC值、模型参数、极化电压预测电池端电压值,得到预测电压值,当预测电压值与电压传感器输出的电压值之差超过阈值时判定为电压传感器故障;
当疑似温度传感器故障时,利用电压信号、电流信号、模型参数、SOC,结合电池的热模型进行电池温度预测,得到预测温度值,当预测温度值与温度传感器输出的温度值之差超过阈值时判定为温度传感器故障。
7.根据权利要求1-6任一项所述的系统,其特征在于:其中车载电池管理单元还包括:
多算法融合状态估计模块,估计电池的剩余电量百分比SOC和剩余电量SOE;
多目标约束最优充放电策略模块,实时估计出当前最大的可用充放电电流的能力,即许用电流值SOP值;
电池自加热及热均衡模块,对电池进行热均衡管理。
8.根据权利要求1-6任一项所述的系统,其特征在于:所述传感器故障检测及在线标定模块,还计算电压传感器噪声统计值和电流传感器噪声统计值。
9.根据权利要求8所述的系统,其特征在于:多算法融合状态估计模块,结合所述电压传感器噪声统计值和电流传感器噪声统计值,进行电池SOC和电池极化电压的估计,并利用当前的SOH信息,估计出电池的SOE。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810282001.8A CN108544925B (zh) | 2018-04-02 | 2018-04-02 | 电池管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810282001.8A CN108544925B (zh) | 2018-04-02 | 2018-04-02 | 电池管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108544925A CN108544925A (zh) | 2018-09-18 |
CN108544925B true CN108544925B (zh) | 2019-10-01 |
Family
ID=63513762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810282001.8A Active CN108544925B (zh) | 2018-04-02 | 2018-04-02 | 电池管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108544925B (zh) |
Families Citing this family (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109671995B (zh) * | 2018-11-07 | 2021-08-03 | 江苏大学 | 一种基于车联网的车用动力电池智能预加热系统 |
CN109541490A (zh) * | 2018-11-16 | 2019-03-29 | 北汽福田汽车股份有限公司 | 电池的寿命估算方法、系统及车辆 |
CN111356637A (zh) * | 2018-11-28 | 2020-06-30 | 深圳市大疆创新科技有限公司 | 数据处理方法、融合模块与移动平台 |
CN111262896A (zh) * | 2018-11-30 | 2020-06-09 | 联合汽车电子有限公司 | 一种网联汽车电池管理系统 |
CN109738802A (zh) * | 2018-12-06 | 2019-05-10 | 中车工业研究院有限公司 | 一种车载储能系统的联合监管系统及方法 |
CN109581225A (zh) * | 2018-12-28 | 2019-04-05 | 深圳市超思维电子股份有限公司 | 电池在线参数辨识的能量状态估算方法及电池管理系统 |
ES2938688T3 (es) * | 2019-01-24 | 2023-04-13 | Siemens Ag | Método y sistema para monitorizar un estado de batería usando un gemelo de batería |
US11327121B2 (en) * | 2019-04-03 | 2022-05-10 | Transportation Ip Holdings, Llc | Deviation detection system for energy storage system |
CN110196393B (zh) * | 2019-05-31 | 2024-03-12 | 中国矿业大学 | 一种锂电池荷电状态、能量状态和功率状态的联合在线估计方法 |
CN110416638A (zh) * | 2019-07-12 | 2019-11-05 | 北京中宸泓昌科技有限公司 | 一种电池单体的全生命周期管理系统 |
CN111308350A (zh) * | 2019-09-25 | 2020-06-19 | 广东毓秀科技有限公司 | 一种通过大数据进行轨交锂电池性能评估的整体模型框架 |
CN110988709A (zh) * | 2019-10-24 | 2020-04-10 | 延锋伟世通电子科技(南京)有限公司 | 一种用于电池管理系统的soe和sop联合估计方法 |
CN110988693A (zh) * | 2019-10-25 | 2020-04-10 | 沃特威(广州)电子科技有限公司 | 一种基于建模仿真的化学电池储能应用分析方法 |
CN110850315A (zh) * | 2019-11-29 | 2020-02-28 | 北京邮电大学 | 一种电池荷电状态的估算方法及装置 |
CN111048856B (zh) * | 2019-12-17 | 2021-06-01 | 北京理工大学 | 一种动力电池极速自加热方法和装置 |
CN111125909B (zh) * | 2019-12-24 | 2023-03-31 | 奇瑞汽车股份有限公司 | 一种一维汽车热管理模型的自动化标定方法 |
CN110988722B (zh) * | 2019-12-27 | 2020-07-10 | 湖南中大新能源科技有限公司 | 一种快速检测锂离子电池残余能量的方法 |
CN111157898A (zh) * | 2020-01-07 | 2020-05-15 | 清华大学深圳国际研究生院 | 一种新能源车辆在线电池故障检测分析方法及装置 |
CN111722129B (zh) * | 2020-06-01 | 2023-08-15 | 国联汽车动力电池研究院有限责任公司 | 一种电池微短路检测方法及系统 |
CN111596212B (zh) * | 2020-06-08 | 2022-11-29 | 上海理工大学 | 一种基于电化学变量监测的电池内部故障诊断方法及装置 |
JP7240368B2 (ja) * | 2020-09-25 | 2023-03-15 | 本田技研工業株式会社 | バッテリ制御装置 |
CN112162198B (zh) * | 2020-09-29 | 2023-08-04 | 厦门金龙联合汽车工业有限公司 | 一种适用于混动车辆的电池健康诊断系统及方法 |
CN112009252B (zh) * | 2020-10-09 | 2023-12-01 | 哈尔滨工业大学(威海) | 一种动力电池系统故障诊断及容错控制方法 |
CN112428872A (zh) * | 2020-10-23 | 2021-03-02 | 蔚来汽车科技(安徽)有限公司 | 车辆电池管理系统、方法、存储介质以及服务器系统 |
CN112365628B (zh) * | 2020-10-30 | 2021-12-28 | 北京理工大学 | 一种混合动力系统的故障诊断方法和装置 |
CN112394291B (zh) * | 2020-11-05 | 2024-06-11 | 广汽埃安新能源汽车有限公司 | 一种电池热失控预警方法及装置 |
CN112421721B (zh) * | 2020-11-12 | 2021-07-13 | 常州市易尔通电子有限公司 | 电动车电源管理方法、装置、设备及存储介质 |
CN113687234B (zh) * | 2021-07-16 | 2022-08-02 | 新源智储能源发展(北京)有限公司 | 电池异常识别方法、装置、设备、介质及程序产品 |
CN113820602A (zh) * | 2021-08-26 | 2021-12-21 | 恒大新能源技术(深圳)有限公司 | 基于自加热的soc估算方法、装置、系统及新能源汽车 |
CN113777497B (zh) * | 2021-09-09 | 2023-09-15 | 北方民族大学 | 一种退化电池在线soc、soh联合估计方法、装置、存储介质和电子设备 |
CN113960476B (zh) * | 2021-09-23 | 2023-10-17 | 北京理工大学 | 基于信息物理融合技术的动力电池故障监测方法及系统 |
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 |
CN114629905B (zh) * | 2022-02-16 | 2022-10-28 | 福建时代星云科技有限公司 | 一种基于云端数据的储能系统sop优化方法及装置 |
CN114879062A (zh) * | 2022-05-30 | 2022-08-09 | 东莞新能安科技有限公司 | 一种电池短路检测方法、装置及设备 |
CN115097337A (zh) * | 2022-05-31 | 2022-09-23 | 中国第一汽车股份有限公司 | 一种动力电池自加热模式下荷电状态估算方法、装置及车辆 |
CN116643181B (zh) * | 2022-08-25 | 2024-04-16 | 浙江长兴震革科技有限公司 | 一种蓄电池状态监测系统 |
CN116609686B (zh) * | 2023-04-18 | 2024-01-05 | 江苏果下科技有限公司 | 一种基于云平台大数据的电芯一致性评估方法 |
CN116176353B (zh) * | 2023-04-26 | 2023-07-18 | 深圳艾斯特创新科技有限公司 | 一种高性能电池的监控方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104007395A (zh) * | 2014-06-11 | 2014-08-27 | 北京交通大学 | 锂离子电池荷电状态与参数自适应联合估计方法 |
CN104297691A (zh) * | 2014-09-29 | 2015-01-21 | 上海吉能电源系统有限公司 | 电池组健康状态诊断系统和方法 |
WO2016203655A1 (ja) * | 2015-06-19 | 2016-12-22 | 株式会社日立製作所 | 蓄電池アレーの故障診断装置および故障診断方法 |
CN107037372A (zh) * | 2017-04-27 | 2017-08-11 | 广东机电职业技术学院 | 针对电池组及电池管理系统的故障诊断装置及诊断方法 |
CN107153162A (zh) * | 2017-06-06 | 2017-09-12 | 山东大学 | 一种动力电池组多故障在线检测系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101679971B1 (ko) * | 2015-05-14 | 2016-11-25 | 현대자동차주식회사 | 연료전지시스템의 공기공급계 고장진단장치 및 그 고장진단방법 |
-
2018
- 2018-04-02 CN CN201810282001.8A patent/CN108544925B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104007395A (zh) * | 2014-06-11 | 2014-08-27 | 北京交通大学 | 锂离子电池荷电状态与参数自适应联合估计方法 |
CN104297691A (zh) * | 2014-09-29 | 2015-01-21 | 上海吉能电源系统有限公司 | 电池组健康状态诊断系统和方法 |
WO2016203655A1 (ja) * | 2015-06-19 | 2016-12-22 | 株式会社日立製作所 | 蓄電池アレーの故障診断装置および故障診断方法 |
CN107037372A (zh) * | 2017-04-27 | 2017-08-11 | 广东机电职业技术学院 | 针对电池组及电池管理系统的故障诊断装置及诊断方法 |
CN107153162A (zh) * | 2017-06-06 | 2017-09-12 | 山东大学 | 一种动力电池组多故障在线检测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108544925A (zh) | 2018-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108544925B (zh) | 电池管理系统 | |
WO2021169486A1 (zh) | 基于充电过程监控电池阻抗异常的方法、系统以及装置 | |
CN114389336B (zh) | 一种锂电池储能系统的动态管控系统 | |
KR102335296B1 (ko) | 무선 네트워크 기반 배터리 관리 시스템 | |
CN112838631B (zh) | 动力电池的充电动态管控装置和动力电池的充电诊断方法 | |
CN107910607B (zh) | 电池健康度soh的修正方法、装置、电动汽车和存储介质 | |
CN104237795B (zh) | 通过相同电压传感器测量多个电池单元的失衡探测 | |
CN102231546B (zh) | 具有均衡充放电功能的电池管理系统及其控制方法 | |
CN112350395A (zh) | 用于控制电力系统的接口的设备和方法 | |
JP6234946B2 (ja) | 電池状態推定装置 | |
JP6101714B2 (ja) | 電池制御装置、電池システム | |
CN111812518B (zh) | 电池状态监控方法、存储介质和系统 | |
CN103149535A (zh) | 用于在线确定电池的充电状态和健康状态的方法和装置 | |
CN106707180A (zh) | 一种并联电池组故障检测方法 | |
CN116136571A (zh) | 新能源车辆及其电池系统soc异常监控诊断方法、装置 | |
CN115702533B (zh) | 用于预测多电池电能存储系统的功率状态的方法 | |
CN110324383B (zh) | 云服务器、电动汽车及其中动力电池的管理系统、方法 | |
CN110133533A (zh) | 估算电池健康状态的方法和电池管理装置 | |
CN106058345B (zh) | 监控车载电池充电器的方法和设备 | |
Zhang et al. | An application‐oriented multistate estimation framework of lithium‐ion battery used in electric vehicles | |
CN204030697U (zh) | 基于动态soc估算系统的电池管理系统 | |
WO2016200319A1 (en) | A method and a monitoring unit for monitoring a battery system | |
CN113759265A (zh) | 供电系统的故障判断方法和储能系统 | |
CN113745672A (zh) | 电池自加热控制方法、电池自加热装置、系统和车辆 | |
WO2014018048A1 (en) | Battery management system |
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 |