CN109061512A - 一种通过远程监控数据判定电池故障的方法 - Google Patents

一种通过远程监控数据判定电池故障的方法 Download PDF

Info

Publication number
CN109061512A
CN109061512A CN201811109971.4A CN201811109971A CN109061512A CN 109061512 A CN109061512 A CN 109061512A CN 201811109971 A CN201811109971 A CN 201811109971A CN 109061512 A CN109061512 A CN 109061512A
Authority
CN
China
Prior art keywords
module
voltage
battery
battery pack
remote monitoring
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
Application number
CN201811109971.4A
Other languages
English (en)
Other versions
CN109061512B (zh
Inventor
杨思文
厉运杰
丁绍玉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei Gotion High Tech Power Energy Co Ltd
Original Assignee
Hefei Guoxuan High Tech Power Energy Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hefei Guoxuan High Tech Power Energy Co Ltd filed Critical Hefei Guoxuan High Tech Power Energy Co Ltd
Priority to CN201811109971.4A priority Critical patent/CN109061512B/zh
Publication of CN109061512A publication Critical patent/CN109061512A/zh
Application granted granted Critical
Publication of CN109061512B publication Critical patent/CN109061512B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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

Landscapes

  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

一种通过远程监控数据判定电池故障的方法，可以解决现有的电池故障判定及处理方法的过于笼统不够精准的技术问题。包括如下步骤：S101、获取电池组在整车运行过程中的远程监控数据；S102、基于所述远程监控数据将电池组各模块在充放电过程电压分布进行数据比较；S103、基于所述电池组的SOC‑OCV数据，进行容量的估算；S104、根据步骤102中数据比较结果以及步骤S103中的容量估算结果，结合整车运行公里数判定所述电池组中电池是否故障。本发明的通过远程监控数据判定电池故障的方法可以结合充电数据及车辆运行里程数判定电池维修方法，起到电池故障预判作用，减少电池包二次维修率，快速有效的解决维修问题。

Description

一种通过远程监控数据判定电池故障的方法
技术领域
本发明涉及电池检测领域，具体涉及一种通过远程监控数据判定电池故障的方法。
背景技术
在电动汽车运行，需要由单体电池以串并联方式进行连接后形成一个电池组满足车辆运行过程中动力的需求。而含有大量串、并联电池单体的电池包在制造过程中或使用中受到诸多不可控因素的影响，会引起电池单体之间的差异，进而降低电池包的动力性能。车辆经过多次充放电循环首电池组容量会出现衰减。此时主要造成这种原因主要两个方面。一方面电池正常衰减，另一方面是电池组中的模块荷电状态 (SOC) 的不一致影响容量发挥造成容量衰减。
因此，目前主要根据电池组的单体压差来判定动力电池组故障。电池管理系统（BMS）仅能根据所采集到的电压不一致而上报电压过低或电压过高故障。但电池一致性在充放电末端体现更为明显，而用户在电池包电量较低使用极少，故未能及时判定电池故障及原因。所以不能有效指导后续的均衡工作。
发明内容
本发明提出的一种通过远程监控数据判定电池故障的方法，可以解决现有的电池故障判定及处理方法的过于笼统不够精准的技术问题。
为实现上述目的，本发明采用了以下技术方案：
一种通过远程监控数据判定电池故障的方法，包括如下步骤：
S101、获取电池组在整车运行过程中的远程监控数据；
S102、基于所述远程监控数据将电池组各模块在充放电过程电压分布进行数据比较；
S103、基于所述电池组的SOC-OCV数据，进行容量的估算；
S104、根据步骤102中数据比较结果以及步骤S103中的容量估算结果，结合整车运行公里数判定所述电池组中电池是否故障。
进一步的，所述远程监控数据中包括电池组总电压值、电池组中各模块在充放电过程中电压值及整车运行公里数。
进一步的，所述步骤S102具体包括，
基于所述远程监控数据中电池组各模块在充放电过程中的电压值，调取充电末端电压分布值、充电静置后电压分布及放电过程中总电压值最小时刻的电压分布值，并分别将电池组各模块在充放电过程电压分布进行数据比较。
进一步的，所述分别将电池组各模块在充放电过程电压分布进行数据比较，具体包括：
分别将电池组各模块在充电末端电压分布值以及该时刻总电压值进行计算得出该时刻的平均电压值V1；在放电过程中总电压值最小时刻的电压分布值以及该时刻总电压值进行计算得出该时刻的平均电压值V2进行数据比较，具体对比结果包括，
模块充电电压高于平均电压值V1且放电电压高于平均电压值V2判定模块SOC状态偏高；
模块充电电压低于平均电压值V1且放电电压低于平均电压值V2判定模块SOC状态偏低；
所述平均电压值，是指总电压除以模块的串联数。
进一步的，所述步骤S103具体包括：
基于所述电池组的SOC-OCV数据，根据异常模块电压值和电池包平均电压值在电芯SOC-OCV数据中找出对应的SOC状态，进行容量的估算。
进一步的，所述步骤S104结合整车运行公里数判定所述电池组中电池是否故障，包括，
模块结合整车运行公里数与模块容量估算值占电池包容量百分比低于阈值A则不进行处理；
模块结合整车运行公里数与模块容量估算值占电池包容量百分比超过阈值A则判定为异常模块需要维护。
进一步的，所述充电静置后电压分布中静置时间为1小时以上。
进一步的，所述进行容量的估算包括，找出电池包平均电压对应的SOC状态，以及异常模块电压对应的SOC状态，将两者的SOC状态进行对比得出大致容量差异。（SOC是指电池的荷电状态，也就是电池的容量，所以直接对比。）
由上述技术方案可知，本发明的通过远程监控数据判定电池故障的方法可以结合充电数据及车辆运行里程数判定电池维修方法，起到电池故障预判作用，减少电池包二次维修率，快速有效的解决维修问题。
附图说明
图1是发明方法的流程图；
图2是本发明方法原理图；
图3为本发明中动力电池组电芯在25℃的SOC-OCV曲线；
图4为SOC状态偏高异常电池—满电后静置状态下各模块电压分布；
图5为SOC状态偏低异常电池—满电后静置状态下各模块电压分布。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
如图1和图2所示，本实施例的一种通过远程监控数据判定电池故障的方法，包括如下步骤：
（1）获取电池组在整车运行过程中远程监控数据，其中电池组远程监控数据中包括电池组总电压值、电池组中各模块在充放电过程中电压值及整车运行公里数。
（2）基于所述远程监控数据中电池组各模块在充放电过程中的电压值，调取充电末端电压分布值、静置后电压分布及放电过程中总电压值最小时刻的电压分布值，并分别将电池组各模块在充放电过程电压分布进行数据比较：
模块充电高于平均电压值且放电高于平均电压值判定模块SOC状态偏高；
模块充电低于平均电压值且放电低于平均电压值判定模块SOC状态偏低。
平均电压值，是指总电压除以模块的串联数。
（3）通过该款电芯SOC-OCV数据，根据异常模块电压值和电池包平均电压值在电芯SOC-OCV数据中找出对应的SOC状态，进行容量的估算。
（4）根据所述步骤2判定的异常模块结果以及步骤3中的容量估算，结合整车运行公里数判定电池是否故障。
其中，
模块结合整车运行公里数与模块容量估算值占电池包容量百分比低于阈值A则不进行处理。
模块结合整车运行公里数与模块容量估算值占电池包容量百分比超过阈值A则判定为异常模块需要维护。
所述充电静置电压分布中的静置时间需在1小时以上，静置1小时以上是为了消除电池内部极化，使得电池电压趋于稳定状态。
本发明实施例具体应用如下：
选取一辆在运行的车辆调取远程监控数据中电池组总电压值以及电池组中各模块在充放电过程中电压值、整车运行公里数。该电池组是由48个模块串联而成，以下由1#、2#、…、48#表示为该电池组内各模块编号。调取充电末端电压分布值以及静置后电压分布，放电过程中总电压值最小时刻的电压分布值。找出模块5#、模块36#充电高于平均电压值且放电高于平均电压值判定模块SOC状态偏高；此时模块5#电压3.51V、模块36#电压3.345V，电池包平均电压值3.337V。通过电压可看出电池内除模块5#与模块36#其他模块未充满电。此时根据充满电后静置的电压分布通过该款电芯SOC-OCV数据判断异常模块SOC状态以及此刻平均电压对应的SOC状态，进行容量估算。图3为本发明实施例中动力电池组电芯在25℃的SOC-OCV曲线；
模块17#、模块33#、模块41#充电低于平均电压值且放电低于平均电压值判定模块SOC状态偏低。通过异常模块的充电过程曲线进行容量估算，此时模块17#电压3.33V、模块33#电压3.333V、模块41#电压3.355V，电池包平均电压值3.407V。根据充满电后静置的电压分布通过该款电芯SOC-OCV数据判断异常模块SOC状态以及此刻平均电压对应的SOC状态，进行容量估算模块D影响容量发挥百分比15%，模块33#影响容量发挥百分比5%，模块41#影响容量发挥百分比1%。
若整车运行公里数小于500km，而判定模块41#充电维护，模块5#、模块36#、模块17#、模块33#则需要更换模块；当500km＜整车运行公里数＜10000km，而判定模块41#不进行维修，模块33#进行充电维护，模块5#进行放电维护，模块17#和模块36#则需要更换模块。当整车运行公里数＞10000km时，模块41#、模块33#，模块5#、模块17#和模块36#均更换模块。图4为SOC状态偏高异常电池—满电后静置状态下各模块电压分布；图5为SOC状态偏低异常电池—满电后静置状态下各模块电压分布。
综上可知，本发明实施例的方法可以结合充电数据及车辆运行里程数判定电池维修方法，起到电池故障预判作用，减少电池包二次维修率，快速有效的解决维修问题。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种通过远程监控数据判定电池故障的方法，其特征在于，包括以下步骤：
S101、获取电池组在整车运行过程中的远程监控数据；
S102、基于所述远程监控数据将电池组各模块在充放电过程电压分布进行数据比较；
S103、基于所述电池组的SOC-OCV数据，进行容量的估算；
S104、根据步骤102中数据比较结果以及步骤S103中的容量估算结果，结合整车运行公里数判定所述电池组中电池是否故障。
2.根据权利要求1所述的通过远程监控数据判定电池故障的方法，其特征在于：所述远程监控数据中包括电池组总电压值、电池组中各模块在充放电过程中电压值及整车运行公里数。
3.根据权利要求2所述的通过远程监控数据判定电池故障的方法，其特征在于：所述步骤S102具体包括，
基于所述远程监控数据中电池组各模块在充放电过程中的电压值，调取充电末端电压分布值、充电静置后电压分布及放电过程中总电压值最小时刻的电压分布值，并分别将电池组各模块在充放电过程电压分布进行数据比较。
4.根据权利要求3所述的通过远程监控数据判定电池故障的方法，其特征在于：所述分别将电池组各模块在充放电过程电压分布进行数据比较，具体包括：
分别将电池组各模块在充电末端电压分布值以及该时刻总电压值进行计算得出该时刻的平均电压值V1；在放电过程中总电压值最小时刻的电压分布值以及该时刻总电压值进行计算得出该时刻的平均电压值V2进行数据比较，具体对比结果包括，
模块充电电压高于平均电压值V1且放电电压高于平均电压值V2判定模块SOC状态偏高；
模块充电电压低于平均电压值V1且放电电压低于平均电压值V2判定模块SOC状态偏低；
所述平均电压值，是指总电压除以模块的串联数。
5.根据权利要求4所述的通过远程监控数据判定电池故障的方法，其特征在于：所述步骤S103具体包括：
基于所述电池组的SOC-OCV数据，根据异常模块电压值和电池包平均电压值在电芯SOC-OCV数据中找出对应的SOC状态，进行容量的估算。
6.根据权利要求5所述的通过远程监控数据判定电池故障的方法，其特征在于：所述步骤S104结合整车运行公里数判定所述电池组中电池是否故障，包括，
模块结合整车运行公里数与模块容量估算值占电池包容量百分比低于阈值A则不进行处理；
模块结合整车运行公里数与模块容量估算值占电池包容量百分比超过阈值A则判定为异常模块需要维护。
7.根据权利要求6所述的通过远程监控数据判定电池故障的方法，其特征在于：所述充电静置后电压分布中静置时间为1小时以上。
8.根据权利要求5所述的通过远程监控数据判定电池故障的方法，其特征在于：所述进行容量的估算包括，
找出电池包平均电压对应的SOC状态，以及异常模块电压对应的SOC状态，将两者的SOC状态进行对比得出大致容量差异。
CN201811109971.4A 2018-09-21 2018-09-21 一种通过远程监控数据判定电池故障的方法 Active CN109061512B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811109971.4A CN109061512B (zh) 2018-09-21 2018-09-21 一种通过远程监控数据判定电池故障的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811109971.4A CN109061512B (zh) 2018-09-21 2018-09-21 一种通过远程监控数据判定电池故障的方法

Publications (2)

Publication Number Publication Date
CN109061512A true CN109061512A (zh) 2018-12-21
CN109061512B CN109061512B (zh) 2020-12-11

Family

ID=64763602

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811109971.4A Active CN109061512B (zh) 2018-09-21 2018-09-21 一种通过远程监控数据判定电池故障的方法

Country Status (1)

Country Link
CN (1) CN109061512B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113533974A (zh) * 2021-06-28 2021-10-22 合肥国轩高科动力能源有限公司 一种快速判定电池故障的方法
CN114114057A (zh) * 2021-10-28 2022-03-01 合肥国轩高科动力能源有限公司 一种新能源电动汽车电池单体异常预估方法
CN114683847A (zh) * 2020-12-31 2022-07-01 奥动新能源汽车科技有限公司 车用电池的异常识别方法、系统、电子设备和介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100026306A1 (en) * 2008-07-29 2010-02-04 Gm Global Technology Operations, Inc. Method and apparatus for telematics-based vehicle no-start prognosis
US20160054390A1 (en) * 2014-08-19 2016-02-25 Jian Lin Techniques for robust battery state estimation
CN107102269A (zh) * 2017-04-27 2017-08-29 北京新能源汽车股份有限公司 一种电池容量的测量方法、装置、服务器及系统
CN107612071A (zh) * 2017-09-24 2018-01-19 合肥国轩高科动力能源有限公司 一种电池组电池故障判定及处理方法
CN107843845A (zh) * 2017-10-23 2018-03-27 合肥国轩高科动力能源有限公司 一种动力锂离子电池soh在线估算方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100026306A1 (en) * 2008-07-29 2010-02-04 Gm Global Technology Operations, Inc. Method and apparatus for telematics-based vehicle no-start prognosis
US20160054390A1 (en) * 2014-08-19 2016-02-25 Jian Lin Techniques for robust battery state estimation
CN107102269A (zh) * 2017-04-27 2017-08-29 北京新能源汽车股份有限公司 一种电池容量的测量方法、装置、服务器及系统
CN107612071A (zh) * 2017-09-24 2018-01-19 合肥国轩高科动力能源有限公司 一种电池组电池故障判定及处理方法
CN107843845A (zh) * 2017-10-23 2018-03-27 合肥国轩高科动力能源有限公司 一种动力锂离子电池soh在线估算方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114683847A (zh) * 2020-12-31 2022-07-01 奥动新能源汽车科技有限公司 车用电池的异常识别方法、系统、电子设备和介质
CN114683847B (zh) * 2020-12-31 2023-10-03 奥动新能源汽车科技有限公司 车用电池的异常识别方法、系统、电子设备和介质
CN113533974A (zh) * 2021-06-28 2021-10-22 合肥国轩高科动力能源有限公司 一种快速判定电池故障的方法
CN114114057A (zh) * 2021-10-28 2022-03-01 合肥国轩高科动力能源有限公司 一种新能源电动汽车电池单体异常预估方法
CN114114057B (zh) * 2021-10-28 2023-11-07 合肥国轩高科动力能源有限公司 一种新能源电动汽车电池单体异常预估方法

Also Published As

Publication number Publication date
CN109061512B (zh) 2020-12-11

Similar Documents

Publication Publication Date Title
CN107612071B (zh) 一种电池组电池故障判定及处理方法
CN108152755A (zh) 在线定量诊断电池微短路故障的方法
CN109507611B (zh) 一种电动汽车的soh修正方法及系统
CN108515846B (zh) 电动车电池管理系统与电动车电池管理方法
CN109061512A (zh) 一种通过远程监控数据判定电池故障的方法
CN102749588B (zh) 基于蓄电池soc和soh的故障诊断方法
CN101860056A (zh) 一种基于Map模型的动力锂电池组均衡管理系统
CN105846483B (zh) 一种电池包不均衡故障判定及均衡方法
CN101882699A (zh) 动力电池组充放电均衡控制方法
CN104198947A (zh) 一种锂离子电池剩余容量的估算系统及方法
CN107045104B (zh) 一种钛酸锂电池容量的在线估计方法
CN107618397A (zh) 电池管理系统
CN108646183A (zh) 一种电池组中电池故障诊断方法
CN114114057B (zh) 一种新能源电动汽车电池单体异常预估方法
CN112026587A (zh) 一种电池均衡系统控制方法、装置及存储介质
CN112379285B (zh) 一种电池包自放电筛选方法
WO2019184842A1 (zh) 动力电池组的soc计算方法、装置和电动汽车
CN107649412A (zh) 一种配组电池筛选方法
CN104916875A (zh) 一种动力电池组故障诊断及维修方法
CN109092717B (zh) 一种动力电池组故障模块的判定方法
CN206041528U (zh) 一种主动均衡电池管理系统
CN109884529A (zh) 一种混合动力汽车动力电池剩余电量计算方法
CN116118568A (zh) 一种基于磷酸铁锂电池的均衡方法
Bentley et al. On beneficial Vehicle-to-Grid (V2G) services
CN110970670B (zh) 动力电池管理方法、装置及计算机可读存储介质

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