CN110018425A - 一种动力电池故障诊断方法及系统 - Google Patents
一种动力电池故障诊断方法及系统 Download PDFInfo
- Publication number
- CN110018425A CN110018425A CN201910283110.6A CN201910283110A CN110018425A CN 110018425 A CN110018425 A CN 110018425A CN 201910283110 A CN201910283110 A CN 201910283110A CN 110018425 A CN110018425 A CN 110018425A
- Authority
- CN
- China
- Prior art keywords
- battery
- alarming
- data
- fault
- cell
- 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
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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
-
- 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]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
-
- 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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
Abstract
本发明公开一种动力电池故障诊断方法及系统。该方法包括:获取各车型在未报警时和报警时的电池数据;根据未报警时的电池数据的最值计算各车型的电池数据的安全阈值;根据安全阈值确定报警时的电池数据所对应的单体电池故障类型;以各组电池数据所对应的单体电池故障类型为样本利用监督学习方法进行训练,得到故障诊断模型;将待测电池组的数据输入故障诊断模型得到待测电池组的单体电池故障类型;当无单体电池故障时,判断待测电池组的数据中各个单体电池之间的不一致程度,得到待测电池组的单体电池间不一致性故障类型;当无单体电池间不一致性故障时,确定待测电池组无故障。采用本发明的方法及系统能够实现电池故障的在线实时检测。
Description
技术领域
本发明涉及动力电池领域,特别是涉及一种动力电池故障诊断方法及系统。
背景技术
动力电池是电动汽车的能量源,同时也是最易发生故障的部分,随着三元锂离子电池使用量的不断增加,电池热失控等安全性问题越来越多,据中国汽车技术研究中心统计,2018年1月到9月,新能源汽车安全事故达50起,安全性事故涉及到大量人员的伤亡,是电池发展过程中最急需解决的问题。
目前对电池的故障诊断大多停留在实验室阶段,主要有两种方法:一种是基于实验室测得的电池放电过程中的单体电压和电流曲线对电池单体的连接故障进行分析,另一种是基于电池健康状态或单体电压对电池进行一维的评估,电池健康状态一般用当前最大可用用量与额定容量的比值来计算,使用电池健康状态进行预测可以很好地反映电池的健康状态、老化程度和剩余寿命。但在实验室内进行检测存在较大的延时性,不能及时发现故障以提醒司机注意。
发明内容
本发明的目的是提供一种动力电池故障诊断方法及系统,实现电池故障的在线实时检测。
为实现上述目的,本发明提供了如下方案:
一种动力电池故障诊断方法,包括:
获取各车型在未报警时的电池数据和报警时的电池数据;
根据未报警时的电池数据的最值计算各车型的电池数据的安全阈值;
根据所述安全阈值确定报警时的电池数据所对应的单体电池故障类型,得到各组电池数据所对应的单体电池故障类型;
以各组电池数据所对应的单体电池故障类型为样本利用监督学习方法进行训练,得到故障诊断模型;
获取待测电池组的数据;
将所述待测电池组的数据输入所述故障诊断模型得到待测电池组的单体电池故障类型;
当待测电池组的单体电池故障类型为无单体电池故障时,则判断待测电池组的数据中各个单体电池之间的不一致程度,得到待测电池组的单体电池间不一致性故障类型;
当待测电池组的单体电池间不一致性故障类型为无单体电池间不一致性故障时,确定待测电池组无故障。
可选的,所述获取各车型在未报警时的电池数据和报警时的电池数据,具体包括:
提取历史汽车数据中的单体电池电压、探针温度、单体电池电流、电池内阻和对应的报警情况数据;
将单体电池电压、探针温度、单体电池电流、电池内阻和报警情况数据按车型进行分类;
将各车型的数据按是否发生报警进行分类,得到各车型在未报警时的电池数据和报警时的电池数据。
可选的,所述根据未报警时的电池数据的最值计算各车型的电池数据的安全阈值,具体包括:
通过对比提取未报警时单体电池电压的最大值和未报警时单体电池电压的最小值,从而得到单体电池电压的安全阈值;
通过对比提取未报警时探针温度的最大值和未报警时探针温度的最小值,从而得到电池温度的安全阈值;
通过对比提取未报警时单体电池电流的最大值和未报警时单体电池电流的最小值,从而得到单体电池电流的安全阈值;
通过对比提取未报警时电池内阻的最大值和未报警时电池内阻的最小值,从而得到电池内阻的安全阈值。
可选的,所述根据所述安全阈值确定报警时的电池数据所对应的单体电池故障类型,得到各组电池数据所对应的单体电池故障类型,具体包括:
当报警时的探针温度大于未报警时探针温度的最大值时,确定电池发生过热故障;
当报警时的探针温度小于未报警时探针温度的最小值时,确定电池发生过冷故障;
当报警时的单体电池电压大于未报警时单体电池电压的最大值时,确定电池发生过充电故障;
当报警时的单体电池电压小于未报警时单体电池电压的最小值时,确定电池发生过放电故障;
当报警时的单体电池电流大于未报警时单体电池电流的最大值时,确定电池发生短路故障;
当报警时的单体电池电流小于未报警时单体电池电流的最小值时,确定电池发生断路故障;
当报警时的电池内阻大于未报警时电池内阻的最大值时,确定电池发生老化故障;
当报警时的电池内阻小于未报警时电池内阻的最小值时,确定电池发生内阻过小故障。
可选的,所述判断待测电池组的数据中各个单体电池之间的不一致程度,得到待测电池组的单体电池间不一致性故障类型,具体包括:
判断各个单体电池之间的荷电状态的最大差值是否大于荷电状态差值临界值,得到第一判断结果;
若所述第一判断结果表示是,则确定待测电池组发生荷电状态不一致性故障;
若所述第一判断结果表示否,则判断各个单体电池之间的电压的最大差值是否大于电压差值临界值,得到第二判断结果;
若所述第二判断结果表示是,则确定待测电池组发生电压不一致性故障;
若所述第二判断结果表示否,则判断各个单体电池之间的探针温度的最大差值是否大于温度差值临界值,得到第三判断结果;
若所述第三判断结果表示是,则确定待测电池组发生温度不一致性故障;
若所述第三判断结果表示否,则确定待测电池组无单体电池间不一致性故障。
本发明还公开一种动力电池故障诊断系统,包括:
历史数据获取模块,用于获取各车型在未报警时的电池数据和报警时的电池数据;
安全阈值计算模块,用于根据未报警时的电池数据的最值计算各车型的电池数据的安全阈值;
历史故障判定模块,用于根据所述安全阈值确定报警时的电池数据所对应的单体电池故障类型,得到各组电池数据所对应的单体电池故障类型;
模型训练模块,用于以各组电池数据所对应的单体电池故障类型为样本利用监督学习方法进行训练,得到故障诊断模型;
待测数据获取模块,用于获取待测电池组的数据;
单体故障诊断模块,用于将所述待测电池组的数据输入所述故障诊断模型得到待测电池组的单体电池故障类型;
不一致性故障诊断模块,用于当待测电池组的单体电池故障类型为无单体电池故障时,则判断待测电池组的数据中各个单体电池之间的不一致程度,得到待测电池组的单体电池间不一致性故障类型;
无故障确定模块,用于当待测电池组的单体电池间不一致性故障类型为无单体电池间不一致性故障时,确定待测电池组无故障。
可选的,所述历史数据获取模块包括:
电池数据提取单元,用于提取历史汽车数据中的单体电池电压、探针温度、单体电池电流、电池内阻和对应的报警情况数据;
按车型分类单元,用于将单体电池电压、探针温度、单体电池电流、电池内阻和报警情况数据按车型进行分类;
按报警分类单元,用于将各车型的数据按是否发生报警进行分类,得到各车型在未报警时的电池数据和报警时的电池数据。
可选的,所述安全阈值计算模块包括:
电压阈值计算单元,用于通过对比提取未报警时单体电池电压的最大值和未报警时单体电池电压的最小值,从而得到单体电池电压的安全阈值;
温度阈值计算单元,用于通过对比提取未报警时探针温度的最大值和未报警时探针温度的最小值,从而得到电池温度的安全阈值;
电流阈值计算单元,用于通过对比提取未报警时单体电池电流的最大值和未报警时单体电池电流的最小值,从而得到单体电池电流的安全阈值;
内阻阈值计算单元,用于通过对比提取未报警时电池内阻的最大值和未报警时电池内阻的最小值,从而得到电池内阻的安全阈值。
可选的,所述历史故障判定模块包括:
过热故障判定单元,用于当报警时的探针温度大于未报警时探针温度的最大值时,确定电池发生过热故障;
过冷故障判定单元,用于当报警时的探针温度小于未报警时探针温度的最小值时,确定电池发生过冷故障;
过充电故障判定单元,用于当报警时的单体电池电压大于未报警时单体电池电压的最大值时,确定电池发生过充电故障;
过放电故障判定单元,用于当报警时的单体电池电压小于未报警时单体电池电压的最小值时,确定电池发生过放电故障;
短路故障判定单元,用于当报警时的单体电池电流大于未报警时单体电池电流的最大值时,确定电池发生短路故障;
断路故障判定单元,用于当报警时的单体电池电流小于未报警时单体电池电流的最小值时,确定电池发生断路故障;
老化故障判定单元,用于当报警时的电池内阻大于未报警时电池内阻的最大值时,确定电池发生老化故障;
内阻过小故障判定单元,用于当报警时的电池内阻小于未报警时电池内阻的最小值时,确定电池发生内阻过小故障。
可选的,所述不一致性故障诊断模块包括:
荷电状态差值判断单元,用于判断各个单体电池之间的荷电状态的最大差值是否大于荷电状态差值临界值,得到第一判断结果;
荷电状态不一致性故障确定单元,用于若所述第一判断结果表示是,则确定待测电池组发生荷电状态不一致性故障;
电压差值判断单元,用于若所述第一判断结果表示否,则判断各个单体电池之间的电压的最大差值是否大于电压差值临界值,得到第二判断结果;
电压不一致性故障确定单元,用于若所述第二判断结果表示是,则确定待测电池组发生电压不一致性故障;
温度差值判断单元,用于若所述第二判断结果表示否,则判断各个单体电池之间的探针温度的最大差值是否大于温度差值临界值,得到第三判断结果;
温度不一致性故障确定单元,用于若所述第三判断结果表示是,则确定待测电池组发生温度不一致性故障;
无不一致性故障确定单元,用于若所述第三判断结果表示否,则确定待测电池组无单体电池间不一致性故障。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明所公开的动力电池故障诊断方法及系统,利用大数据和机器学习相结合的方式建立故障诊断模型,在故障预测时只需要将电池数据输入故障诊断模型即可实现故障诊断,从而实现电池故障的在线实时诊断,使电池故障诊断脱离实验室的束缚。由于故障诊断模型是根据历史数据建立的,那么新产生的数据也可以作为历史数据输入故障诊断模型中,实现故障诊断模型的不断优化,从而可以不断提高诊断精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1的动力电池故障诊断方法的方法流程图;
图2为本发明实施例2的动力电池故障诊断方法中最值提取过程的流程图;
图3为本发明实施例2的动力电池故障诊断方法中历史数据的故障判定过程的流程图;
图4为本发明实施例2的动力电池故障诊断方法中故障预测过程的流程图;
图5为本发明实施例3的动力电池故障诊断系统的系统结构图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种动力电池故障诊断方法及系统,实现电池故障的在线实时检测。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1:
图1为本发明实施例1的动力电池故障诊断方法的方法流程图。
参见图1,该动力电池故障诊断方法,包括:
步骤101:获取各车型在未报警时的电池数据和报警时的电池数据;具体包括:
提取历史汽车数据中的单体电池电压、探针温度、单体电池电流、电池内阻和对应的报警情况数据;
将单体电池电压、探针温度、单体电池电流、电池内阻和报警情况数据按车型进行分类;
将各车型的数据按是否发生报警进行分类,得到各车型在未报警时的电池数据和报警时的电池数据。
步骤102:根据未报警时的电池数据的最值计算各车型的电池数据的安全阈值;具体包括:
通过对比提取未报警时单体电池电压的最大值和未报警时单体电池电压的最小值,从而得到单体电池电压的安全阈值;
通过对比提取未报警时探针温度的最大值和未报警时探针温度的最小值,从而得到电池温度的安全阈值;
通过对比提取未报警时单体电池电流的最大值和未报警时单体电池电流的最小值,从而得到单体电池电流的安全阈值;
通过对比提取未报警时电池内阻的最大值和未报警时电池内阻的最小值,从而得到电池内阻的安全阈值。
步骤103:根据所述安全阈值确定报警时的电池数据所对应的单体电池故障类型,得到各组电池数据所对应的单体电池故障类型;具体包括:
当报警时的探针温度大于未报警时探针温度的最大值时,确定电池发生过热故障;
当报警时的探针温度小于未报警时探针温度的最小值时,确定电池发生过冷故障;
当报警时的单体电池电压大于未报警时单体电池电压的最大值时,确定电池发生过充电故障;
当报警时的单体电池电压小于未报警时单体电池电压的最小值时,确定电池发生过放电故障;
当报警时的单体电池电流大于未报警时单体电池电流的最大值时,确定电池发生短路故障;
当报警时的单体电池电流小于未报警时单体电池电流的最小值时,确定电池发生断路故障;
当报警时的电池内阻大于未报警时电池内阻的最大值时,确定电池发生老化故障;
当报警时的电池内阻小于未报警时电池内阻的最小值时,确定电池发生内阻过小故障。
步骤104:以各组电池数据所对应的单体电池故障类型为样本利用监督学习方法进行训练,得到故障诊断模型。
步骤105:获取待测电池组的数据。
步骤106:将所述待测电池组的数据输入所述故障诊断模型得到待测电池组的单体电池故障类型。
步骤107:当待测电池组的单体电池故障类型为无单体电池故障时,则判断待测电池组的数据中各个单体电池之间的不一致程度,得到待测电池组的单体电池间不一致性故障类型;具体包括:
判断各个单体电池之间的荷电状态的最大差值是否大于荷电状态差值临界值,得到第一判断结果;
若所述第一判断结果表示是,则确定待测电池组发生荷电状态不一致性故障;
若所述第一判断结果表示否,则判断各个单体电池之间的电压的最大差值是否大于电压差值临界值,得到第二判断结果;
若所述第二判断结果表示是,则确定待测电池组发生电压不一致性故障;
若所述第二判断结果表示否,则判断各个单体电池之间的探针温度的最大差值是否大于温度差值临界值,得到第三判断结果;
若所述第三判断结果表示是,则确定待测电池组发生温度不一致性故障;
若所述第三判断结果表示否,则确定待测电池组无单体电池间不一致性故障。
步骤108:当待测电池组的单体电池间不一致性故障类型为无单体电池间不一致性故障时,确定待测电池组无故障。
实施例2:
该实施例2的动力电池故障诊断方法,包括数据预处理、电池正常状态统计、电池故障统计和电池故障预测。
数据预处理:提取汽车数据中与电池故障诊断相关的数据,即电池单体电压、探针温度、电池单体电流、电池内阻、汽车的最高报警等级;处理缺失值和异常值,平滑噪声;数据集成,将不同数据源和不同车型中的数据合并。
电池正常状态统计:由于各种车型正常行驶时探针温度、电池单体电压、电池内阻、电池单体电流的正常范围和阈值不同,因此为提高算法的通用性,将各车型正常行驶时的数据最值进行提取,作为之后故障统计和预测的阈值。图2为本发明实施例2的动力电池故障诊断方法中最值提取过程的流程图。参见图2,取没有报警记录的数据,即GB/T32960-2016中最高报警等级等于0时的数据,对温度最大/最小值、电压最大/最小值、电流最大/最小值、内阻最大/最小值进行提取。
电池故障统计:图3为本发明实施例2的动力电池故障诊断方法中历史数据的故障判定过程的流程图。参见图3,统计汽车产生报警时,即GB/T32960-2016中最高报警等级不等于0时的探针温度、电池单体电压、电池单体电流和电池内阻,并将其与安全阈值进行对比,如果探针温度大于最大阈值,则判定为电池过热故障;如果探针温度小于最小阈值,则判定为电池过冷故障;如果电池单体电压大于最大阈值,则判定为电池过充电故障;如果电池单体电压小于最小阈值,则判定为电池过放电故障;如果电池单体电流大于最大阈值,则判定为电池短路故障;如果电池单体电流小于最小阈值,则判定为电池断路故障;如果电池内阻大于最大阈值,则判定为电池老化故障;如果电池内阻小于最小阈值,则判定为内阻过小故障;否则,判定为无电池单体故障。
电池故障预测:对故障统计中探针温度、电池单体电压、电池单体电流、电池内阻以及相对应故障类型取70%的数据作为训练集,另外30%作为测试集,采用监督学习的方法得到故障诊断模型,并采用测试集对预测的准确度进行交叉验证;图4为本发明实施例2的动力电池故障诊断方法中故障预测过程的流程图。参见图4,将目前电池的数据实时输入故障诊断模型,如果电池单体满足故障诊断模型中的情况,则判定为相应的故障,如果故障诊断模型判定为无电池单体故障,则继续判断电池单体的不一致性,如果电池单体最大电池荷电状态差别大于10%,则判定为电池荷电状态不一致故障;如果电池单体电压最大差别大于单体最高电压的20%,则判定为电池单体电压不一致故障;如果探针温度最大差别大于最高温度的20%,则判定为探针温度不一致故障;否则判定为无故障。
实施例3:
图5为本发明实施例3的动力电池故障诊断系统的系统结构图。
参见图5,该动力电池故障诊断系统,包括:
历史数据获取模块301,用于获取各车型在未报警时的电池数据和报警时的电池数据;
安全阈值计算模块302,用于根据未报警时的电池数据的最值计算各车型的电池数据的安全阈值;
历史故障判定模块303,用于根据所述安全阈值确定报警时的电池数据所对应的单体电池故障类型,得到各组电池数据所对应的单体电池故障类型;
模型训练模块304,用于以各组电池数据所对应的单体电池故障类型为样本利用监督学习方法进行训练,得到故障诊断模型;
待测数据获取模块305,用于获取待测电池组的数据;
单体故障诊断模块306,用于将所述待测电池组的数据输入所述故障诊断模型得到待测电池组的单体电池故障类型;
不一致性故障诊断模块307,用于当待测电池组的单体电池故障类型为无单体电池故障时,则判断待测电池组的数据中各个单体电池之间的不一致程度,得到待测电池组的单体电池间不一致性故障类型;
无故障确定模块308,用于当待测电池组的单体电池间不一致性故障类型为无单体电池间不一致性故障时,确定待测电池组无故障。
作为一种可选的实施方式,所述历史数据获取模块301包括:
电池数据提取单元,用于提取历史汽车数据中的单体电池电压、探针温度、单体电池电流、电池内阻和对应的报警情况数据;
按车型分类单元,用于将单体电池电压、探针温度、单体电池电流、电池内阻和报警情况数据按车型进行分类;
按报警分类单元,用于将各车型的数据按是否发生报警进行分类,得到各车型在未报警时的电池数据和报警时的电池数据。
作为一种可选的实施方式,所述安全阈值计算模块302包括:
电压阈值计算单元,用于通过对比提取未报警时单体电池电压的最大值和未报警时单体电池电压的最小值,从而得到单体电池电压的安全阈值;
温度阈值计算单元,用于通过对比提取未报警时探针温度的最大值和未报警时探针温度的最小值,从而得到电池温度的安全阈值;
电流阈值计算单元,用于通过对比提取未报警时单体电池电流的最大值和未报警时单体电池电流的最小值,从而得到单体电池电流的安全阈值;
内阻阈值计算单元,用于通过对比提取未报警时电池内阻的最大值和未报警时电池内阻的最小值,从而得到电池内阻的安全阈值。
作为一种可选的实施方式,所述历史故障判定模块303包括:
过热故障判定单元,用于当报警时的探针温度大于未报警时探针温度的最大值时,确定电池发生过热故障;
过冷故障判定单元,用于当报警时的探针温度小于未报警时探针温度的最小值时,确定电池发生过冷故障;
过充电故障判定单元,用于当报警时的单体电池电压大于未报警时单体电池电压的最大值时,确定电池发生过充电故障;
过放电故障判定单元,用于当报警时的单体电池电压小于未报警时单体电池电压的最小值时,确定电池发生过放电故障;
短路故障判定单元,用于当报警时的单体电池电流大于未报警时单体电池电流的最大值时,确定电池发生短路故障;
断路故障判定单元,用于当报警时的单体电池电流小于未报警时单体电池电流的最小值时,确定电池发生断路故障;
老化故障判定单元,用于当报警时的电池内阻大于未报警时电池内阻的最大值时,确定电池发生老化故障;
内阻过小故障判定单元,用于当报警时的电池内阻小于未报警时电池内阻的最小值时,确定电池发生内阻过小故障。
作为一种可选的实施方式,所述不一致性故障诊断模块307包括:
荷电状态差值判断单元,用于判断各个单体电池之间的荷电状态的最大差值是否大于荷电状态差值临界值,得到第一判断结果;
荷电状态不一致性故障确定单元,用于若所述第一判断结果表示是,则确定待测电池组发生荷电状态不一致性故障;
电压差值判断单元,用于若所述第一判断结果表示否,则判断各个单体电池之间的电压的最大差值是否大于电压差值临界值,得到第二判断结果;
电压不一致性故障确定单元,用于若所述第二判断结果表示是,则确定待测电池组发生电压不一致性故障;
温度差值判断单元,用于若所述第二判断结果表示否,则判断各个单体电池之间的探针温度的最大差值是否大于温度差值临界值,得到第三判断结果;
温度不一致性故障确定单元,用于若所述第三判断结果表示是,则确定待测电池组发生温度不一致性故障;
无不一致性故障确定单元,用于若所述第三判断结果表示否,则确定待测电池组无单体电池间不一致性故障。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明所公开的动力电池故障诊断方法及系统,利用大数据和机器学习相结合的方式建立故障诊断模型,在故障预测时只需要将电池数据输入故障诊断模型即可实现故障诊断,从而实现电池故障的在线实时诊断,使电池故障诊断脱离实验室的束缚。由于故障诊断模型是根据历史数据建立的,那么新产生的数据也可以作为历史数据输入故障诊断模型中,实现故障诊断模型的不断优化,从而可以不断提高诊断精度。
对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种动力电池故障诊断方法,其特征在于,包括:
获取各车型在未报警时的电池数据和报警时的电池数据;
根据未报警时的电池数据的最值计算各车型的电池数据的安全阈值;
根据所述安全阈值确定报警时的电池数据所对应的单体电池故障类型,得到各组电池数据所对应的单体电池故障类型;
以各组电池数据所对应的单体电池故障类型为样本利用监督学习方法进行训练,得到故障诊断模型;
获取待测电池组的数据;
将所述待测电池组的数据输入所述故障诊断模型得到待测电池组的单体电池故障类型;
当待测电池组的单体电池故障类型为无单体电池故障时,则判断待测电池组的数据中各个单体电池之间的不一致程度,得到待测电池组的单体电池间不一致性故障类型;
当待测电池组的单体电池间不一致性故障类型为无单体电池间不一致性故障时,确定待测电池组无故障。
2.根据权利要求1所述的动力电池故障诊断方法,其特征在于,所述获取各车型在未报警时的电池数据和报警时的电池数据,具体包括:
提取历史汽车数据中的单体电池电压、探针温度、单体电池电流、电池内阻和对应的报警情况数据;
将单体电池电压、探针温度、单体电池电流、电池内阻和报警情况数据按车型进行分类;
将各车型的数据按是否发生报警进行分类,得到各车型在未报警时的电池数据和报警时的电池数据。
3.根据权利要求2所述的动力电池故障诊断方法,其特征在于,所述根据未报警时的电池数据的最值计算各车型的电池数据的安全阈值,具体包括:
通过对比提取未报警时单体电池电压的最大值和未报警时单体电池电压的最小值,从而得到单体电池电压的安全阈值;
通过对比提取未报警时探针温度的最大值和未报警时探针温度的最小值,从而得到电池温度的安全阈值;
通过对比提取未报警时单体电池电流的最大值和未报警时单体电池电流的最小值,从而得到单体电池电流的安全阈值;
通过对比提取未报警时电池内阻的最大值和未报警时电池内阻的最小值,从而得到电池内阻的安全阈值。
4.根据权利要求3所述的动力电池故障诊断方法,其特征在于,所述根据所述安全阈值确定报警时的电池数据所对应的单体电池故障类型,得到各组电池数据所对应的单体电池故障类型,具体包括:
当报警时的探针温度大于未报警时探针温度的最大值时,确定电池发生过热故障;
当报警时的探针温度小于未报警时探针温度的最小值时,确定电池发生过冷故障;
当报警时的单体电池电压大于未报警时单体电池电压的最大值时,确定电池发生过充电故障;
当报警时的单体电池电压小于未报警时单体电池电压的最小值时,确定电池发生过放电故障;
当报警时的单体电池电流大于未报警时单体电池电流的最大值时,确定电池发生短路故障;
当报警时的单体电池电流小于未报警时单体电池电流的最小值时,确定电池发生断路故障;
当报警时的电池内阻大于未报警时电池内阻的最大值时,确定电池发生老化故障;
当报警时的电池内阻小于未报警时电池内阻的最小值时,确定电池发生内阻过小故障。
5.根据权利要求2所述的动力电池故障诊断方法,其特征在于,所述判断待测电池组的数据中各个单体电池之间的不一致程度,得到待测电池组的单体电池间不一致性故障类型,具体包括:
判断各个单体电池之间的荷电状态的最大差值是否大于荷电状态差值临界值,得到第一判断结果;
若所述第一判断结果表示是,则确定待测电池组发生荷电状态不一致性故障;
若所述第一判断结果表示否,则判断各个单体电池之间的电压的最大差值是否大于电压差值临界值,得到第二判断结果;
若所述第二判断结果表示是,则确定待测电池组发生电压不一致性故障;
若所述第二判断结果表示否,则判断各个单体电池之间的探针温度的最大差值是否大于温度差值临界值,得到第三判断结果;
若所述第三判断结果表示是,则确定待测电池组发生温度不一致性故障;
若所述第三判断结果表示否,则确定待测电池组无单体电池间不一致性故障。
6.一种动力电池故障诊断系统,其特征在于,包括:
历史数据获取模块,用于获取各车型在未报警时的电池数据和报警时的电池数据;
安全阈值计算模块,用于根据未报警时的电池数据的最值计算各车型的电池数据的安全阈值;
历史故障判定模块,用于根据所述安全阈值确定报警时的电池数据所对应的单体电池故障类型,得到各组电池数据所对应的单体电池故障类型;
模型训练模块,用于以各组电池数据所对应的单体电池故障类型为样本利用监督学习方法进行训练,得到故障诊断模型;
待测数据获取模块,用于获取待测电池组的数据;
单体故障诊断模块,用于将所述待测电池组的数据输入所述故障诊断模型得到待测电池组的单体电池故障类型;
不一致性故障诊断模块,用于当待测电池组的单体电池故障类型为无单体电池故障时,则判断待测电池组的数据中各个单体电池之间的不一致程度,得到待测电池组的单体电池间不一致性故障类型;
无故障确定模块,用于当待测电池组的单体电池间不一致性故障类型为无单体电池间不一致性故障时,确定待测电池组无故障。
7.根据权利要求6所述的动力电池故障诊断系统,其特征在于,所述历史数据获取模块包括:
电池数据提取单元,用于提取历史汽车数据中的单体电池电压、探针温度、单体电池电流、电池内阻和对应的报警情况数据;
按车型分类单元,用于将单体电池电压、探针温度、单体电池电流、电池内阻和报警情况数据按车型进行分类;
按报警分类单元,用于将各车型的数据按是否发生报警进行分类,得到各车型在未报警时的电池数据和报警时的电池数据。
8.根据权利要求7所述的动力电池故障诊断系统,其特征在于,所述安全阈值计算模块包括:
电压阈值计算单元,用于通过对比提取未报警时单体电池电压的最大值和未报警时单体电池电压的最小值,从而得到单体电池电压的安全阈值;
温度阈值计算单元,用于通过对比提取未报警时探针温度的最大值和未报警时探针温度的最小值,从而得到电池温度的安全阈值;
电流阈值计算单元,用于通过对比提取未报警时单体电池电流的最大值和未报警时单体电池电流的最小值,从而得到单体电池电流的安全阈值;
内阻阈值计算单元,用于通过对比提取未报警时电池内阻的最大值和未报警时电池内阻的最小值,从而得到电池内阻的安全阈值。
9.根据权利要求8所述的动力电池故障诊断系统,其特征在于,所述历史故障判定模块包括:
过热故障判定单元,用于当报警时的探针温度大于未报警时探针温度的最大值时,确定电池发生过热故障;
过冷故障判定单元,用于当报警时的探针温度小于未报警时探针温度的最小值时,确定电池发生过冷故障;
过充电故障判定单元,用于当报警时的单体电池电压大于未报警时单体电池电压的最大值时,确定电池发生过充电故障;
过放电故障判定单元,用于当报警时的单体电池电压小于未报警时单体电池电压的最小值时,确定电池发生过放电故障;
短路故障判定单元,用于当报警时的单体电池电流大于未报警时单体电池电流的最大值时,确定电池发生短路故障;
断路故障判定单元,用于当报警时的单体电池电流小于未报警时单体电池电流的最小值时,确定电池发生断路故障;
老化故障判定单元,用于当报警时的电池内阻大于未报警时电池内阻的最大值时,确定电池发生老化故障;
内阻过小故障判定单元,用于当报警时的电池内阻小于未报警时电池内阻的最小值时,确定电池发生内阻过小故障。
10.根据权利要求7所述的动力电池故障诊断系统,其特征在于,所述不一致性故障诊断模块包括:
荷电状态差值判断单元,用于判断各个单体电池之间的荷电状态的最大差值是否大于荷电状态差值临界值,得到第一判断结果;
荷电状态不一致性故障确定单元,用于若所述第一判断结果表示是,则确定待测电池组发生荷电状态不一致性故障;
电压差值判断单元,用于若所述第一判断结果表示否,则判断各个单体电池之间的电压的最大差值是否大于电压差值临界值,得到第二判断结果;
电压不一致性故障确定单元,用于若所述第二判断结果表示是,则确定待测电池组发生电压不一致性故障;
温度差值判断单元,用于若所述第二判断结果表示否,则判断各个单体电池之间的探针温度的最大差值是否大于温度差值临界值,得到第三判断结果;
温度不一致性故障确定单元,用于若所述第三判断结果表示是,则确定待测电池组发生温度不一致性故障;
无不一致性故障确定单元,用于若所述第三判断结果表示否,则确定待测电池组无单体电池间不一致性故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910283110.6A CN110018425B (zh) | 2019-04-10 | 2019-04-10 | 一种动力电池故障诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910283110.6A CN110018425B (zh) | 2019-04-10 | 2019-04-10 | 一种动力电池故障诊断方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110018425A true CN110018425A (zh) | 2019-07-16 |
CN110018425B CN110018425B (zh) | 2021-01-29 |
Family
ID=67190910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910283110.6A Active CN110018425B (zh) | 2019-04-10 | 2019-04-10 | 一种动力电池故障诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110018425B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110286330A (zh) * | 2019-08-15 | 2019-09-27 | 莆田市烛火信息技术有限公司 | 一种用于锂电池故障检测系统 |
CN110927606A (zh) * | 2019-11-05 | 2020-03-27 | 腾讯科技(深圳)有限公司 | 电池状态监测方法、装置 |
CN111241154A (zh) * | 2020-01-02 | 2020-06-05 | 浙江吉利新能源商用车集团有限公司 | 一种基于大数据的蓄电池故障预警方法及系统 |
CN111416411A (zh) * | 2020-04-16 | 2020-07-14 | 上海空间电源研究所 | 一种高压锂离子电池温度自适应过放报警控制方法 |
CN111619399A (zh) * | 2020-06-10 | 2020-09-04 | 国网浙江电动汽车服务有限公司 | 基于电动汽车充电桩管理平台的动力电池安全评估装置 |
CN111948545A (zh) * | 2020-07-31 | 2020-11-17 | 中国汽车工程研究院股份有限公司 | 动力电池电压特性的图形化表示及电压异常单体识别方法 |
CN112208389A (zh) * | 2020-09-08 | 2021-01-12 | 北京交通大学 | 一种针对车载动力电池的日常便捷检测方法 |
CN112526376A (zh) * | 2020-12-01 | 2021-03-19 | 江西江铃集团新能源汽车有限公司 | 汽车电池单体异常预估方法及装置 |
CN112946497A (zh) * | 2020-12-04 | 2021-06-11 | 广东电网有限责任公司 | 基于故障注入深度学习的蓄电池故障诊断方法和装置 |
CN112991704A (zh) * | 2021-05-19 | 2021-06-18 | 武汉工程大学 | 用于充电储能系统的过压数据处理方法、装置及存储介质 |
CN113500916A (zh) * | 2020-03-23 | 2021-10-15 | 北京新能源汽车股份有限公司 | 一种电池系统安全状态的预警方法、预警装置及控制设备 |
CN113608140A (zh) * | 2021-06-25 | 2021-11-05 | 国网山东省电力公司泗水县供电公司 | 一种电池故障诊断方法及系统 |
CN113848494A (zh) * | 2021-09-18 | 2021-12-28 | 北京经纬恒润科技股份有限公司 | 一种动力电池温度的在线监测方法及车载t-box |
CN114035086A (zh) * | 2021-12-16 | 2022-02-11 | 上海交通大学 | 基于信号处理的电池组多故障诊断方法 |
WO2022174679A1 (zh) * | 2021-02-18 | 2022-08-25 | 中国第一汽车股份有限公司 | 单体电池电压不一致故障预测方法、装置及服务器 |
CN115902646A (zh) * | 2023-01-06 | 2023-04-04 | 中国电力科学研究院有限公司 | 一种储能电池故障识别方法及系统 |
CN116400231A (zh) * | 2023-06-09 | 2023-07-07 | 中国华能集团清洁能源技术研究院有限公司 | 储能系统的电池多故障检测方法、装置及电子设备 |
CN116760150A (zh) * | 2023-08-14 | 2023-09-15 | 安徽博诺思信息科技有限公司 | 一种蓄电池单体故障容错运行方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101917237A (zh) * | 2010-07-27 | 2010-12-15 | 北京全路通信信号研究设计院 | 一种铁路信号监测方法和系统 |
CN104297003A (zh) * | 2014-11-13 | 2015-01-21 | 成都运达科技股份有限公司 | 基于动态报警阈值的转向架旋转部件的故障监测方法 |
CN105691226A (zh) * | 2016-01-21 | 2016-06-22 | 中国第汽车股份有限公司 | 一种锂离子动力电池系统的故障处理系统与处理方法 |
CN106406296A (zh) * | 2016-12-14 | 2017-02-15 | 东北大学 | 一种基于车载和云端的列车故障诊断系统及方法 |
CN106985772A (zh) * | 2017-04-27 | 2017-07-28 | 严凤河 | 一种智能车辆的信息管理系统 |
CN107122594A (zh) * | 2017-04-10 | 2017-09-01 | 湖南中车时代电动汽车股份有限公司 | 一种新能源车辆电池的健康预测方法和系统 |
CN107804314A (zh) * | 2016-09-09 | 2018-03-16 | 法乐第(北京)网络科技有限公司 | 一种混合动力车辆电池通讯故障的处理方法及系统 |
CN108931725A (zh) * | 2017-05-26 | 2018-12-04 | 华为技术有限公司 | 一种电池故障检测的方法及装置 |
CN109033450A (zh) * | 2018-08-22 | 2018-12-18 | 太原理工大学 | 基于深度学习的电梯设备故障预测方法 |
CN109061495A (zh) * | 2018-08-07 | 2018-12-21 | 中国电建集团福建省电力勘测设计院有限公司 | 一种混合储能电池组故障诊断方法 |
-
2019
- 2019-04-10 CN CN201910283110.6A patent/CN110018425B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101917237A (zh) * | 2010-07-27 | 2010-12-15 | 北京全路通信信号研究设计院 | 一种铁路信号监测方法和系统 |
CN104297003A (zh) * | 2014-11-13 | 2015-01-21 | 成都运达科技股份有限公司 | 基于动态报警阈值的转向架旋转部件的故障监测方法 |
CN105691226A (zh) * | 2016-01-21 | 2016-06-22 | 中国第汽车股份有限公司 | 一种锂离子动力电池系统的故障处理系统与处理方法 |
CN107804314A (zh) * | 2016-09-09 | 2018-03-16 | 法乐第(北京)网络科技有限公司 | 一种混合动力车辆电池通讯故障的处理方法及系统 |
CN106406296A (zh) * | 2016-12-14 | 2017-02-15 | 东北大学 | 一种基于车载和云端的列车故障诊断系统及方法 |
CN107122594A (zh) * | 2017-04-10 | 2017-09-01 | 湖南中车时代电动汽车股份有限公司 | 一种新能源车辆电池的健康预测方法和系统 |
CN106985772A (zh) * | 2017-04-27 | 2017-07-28 | 严凤河 | 一种智能车辆的信息管理系统 |
CN108931725A (zh) * | 2017-05-26 | 2018-12-04 | 华为技术有限公司 | 一种电池故障检测的方法及装置 |
CN109061495A (zh) * | 2018-08-07 | 2018-12-21 | 中国电建集团福建省电力勘测设计院有限公司 | 一种混合储能电池组故障诊断方法 |
CN109033450A (zh) * | 2018-08-22 | 2018-12-18 | 太原理工大学 | 基于深度学习的电梯设备故障预测方法 |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110286330A (zh) * | 2019-08-15 | 2019-09-27 | 莆田市烛火信息技术有限公司 | 一种用于锂电池故障检测系统 |
CN110927606A (zh) * | 2019-11-05 | 2020-03-27 | 腾讯科技(深圳)有限公司 | 电池状态监测方法、装置 |
CN110927606B (zh) * | 2019-11-05 | 2022-01-25 | 腾讯科技(深圳)有限公司 | 电池状态监测方法、装置 |
CN111241154A (zh) * | 2020-01-02 | 2020-06-05 | 浙江吉利新能源商用车集团有限公司 | 一种基于大数据的蓄电池故障预警方法及系统 |
CN111241154B (zh) * | 2020-01-02 | 2024-04-12 | 浙江吉利远程新能源商用车集团有限公司 | 一种基于大数据的蓄电池故障预警方法及系统 |
CN113500916A (zh) * | 2020-03-23 | 2021-10-15 | 北京新能源汽车股份有限公司 | 一种电池系统安全状态的预警方法、预警装置及控制设备 |
CN111416411A (zh) * | 2020-04-16 | 2020-07-14 | 上海空间电源研究所 | 一种高压锂离子电池温度自适应过放报警控制方法 |
CN111619399A (zh) * | 2020-06-10 | 2020-09-04 | 国网浙江电动汽车服务有限公司 | 基于电动汽车充电桩管理平台的动力电池安全评估装置 |
CN111948545A (zh) * | 2020-07-31 | 2020-11-17 | 中国汽车工程研究院股份有限公司 | 动力电池电压特性的图形化表示及电压异常单体识别方法 |
CN112208389A (zh) * | 2020-09-08 | 2021-01-12 | 北京交通大学 | 一种针对车载动力电池的日常便捷检测方法 |
CN112208389B (zh) * | 2020-09-08 | 2022-02-11 | 北京交通大学 | 一种针对车载动力电池的日常便捷检测方法 |
CN112526376A (zh) * | 2020-12-01 | 2021-03-19 | 江西江铃集团新能源汽车有限公司 | 汽车电池单体异常预估方法及装置 |
CN112946497A (zh) * | 2020-12-04 | 2021-06-11 | 广东电网有限责任公司 | 基于故障注入深度学习的蓄电池故障诊断方法和装置 |
WO2022174679A1 (zh) * | 2021-02-18 | 2022-08-25 | 中国第一汽车股份有限公司 | 单体电池电压不一致故障预测方法、装置及服务器 |
CN112991704A (zh) * | 2021-05-19 | 2021-06-18 | 武汉工程大学 | 用于充电储能系统的过压数据处理方法、装置及存储介质 |
CN113608140A (zh) * | 2021-06-25 | 2021-11-05 | 国网山东省电力公司泗水县供电公司 | 一种电池故障诊断方法及系统 |
CN113848494A (zh) * | 2021-09-18 | 2021-12-28 | 北京经纬恒润科技股份有限公司 | 一种动力电池温度的在线监测方法及车载t-box |
CN113848494B (zh) * | 2021-09-18 | 2024-01-26 | 北京经纬恒润科技股份有限公司 | 一种动力电池温度的在线监测方法及车载t-box |
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 |
CN114035086A (zh) * | 2021-12-16 | 2022-02-11 | 上海交通大学 | 基于信号处理的电池组多故障诊断方法 |
CN115902646A (zh) * | 2023-01-06 | 2023-04-04 | 中国电力科学研究院有限公司 | 一种储能电池故障识别方法及系统 |
CN115902646B (zh) * | 2023-01-06 | 2023-06-13 | 中国电力科学研究院有限公司 | 一种储能电池故障识别方法及系统 |
CN116400231A (zh) * | 2023-06-09 | 2023-07-07 | 中国华能集团清洁能源技术研究院有限公司 | 储能系统的电池多故障检测方法、装置及电子设备 |
CN116400231B (zh) * | 2023-06-09 | 2023-10-03 | 中国华能集团清洁能源技术研究院有限公司 | 储能系统的电池多故障检测方法、装置及电子设备 |
CN116760150A (zh) * | 2023-08-14 | 2023-09-15 | 安徽博诺思信息科技有限公司 | 一种蓄电池单体故障容错运行方法及装置 |
CN116760150B (zh) * | 2023-08-14 | 2023-11-14 | 安徽博诺思信息科技有限公司 | 一种蓄电池单体故障容错运行方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110018425B (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110018425A (zh) | 一种动力电池故障诊断方法及系统 | |
Shang et al. | A multi-fault diagnosis method based on modified Sample Entropy for lithium-ion battery strings | |
CN110794305B (zh) | 一种动力电池故障诊断方法和系统 | |
EP3933422B1 (en) | Diagnosis method for distinguishing micro-short-circuit fault of battery from small-capacity fault of battery | |
CN107843853B (zh) | 一种动力电池组串联连接故障诊断方法 | |
CN106443490B (zh) | 一种电池短路的故障诊断系统 | |
CN107153162A (zh) | 一种动力电池组多故障在线检测系统及方法 | |
Hong et al. | Multi‐fault synergistic diagnosis of battery systems based on the modified multi‐scale entropy | |
CN109116242B (zh) | 一种动力电池的数据处理方法和装置 | |
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 | |
CN106526488A (zh) | 串联式动力电池包内传感器故障诊断方法 | |
CN107167737A (zh) | 一种电池系统安全监控方法 | |
CN102854473A (zh) | 电动汽车动力电池自动测试诊断系统和方法 | |
CN106353690A (zh) | 利用Petri网诊断锂电池故障的方法 | |
CN112098850B (zh) | 基于sdo算法的锂离子电池电压故障诊断方法及系统 | |
CN102798803B (zh) | 配电网线路故障检测方法 | |
CN114559819B (zh) | 一种基于信号处理的电动汽车电池安全预警方法 | |
CN202770974U (zh) | 电动汽车动力电池自动测试诊断系统 | |
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 | |
CN113625692B (zh) | 一种基于故障注入的电动汽车电池安全性检验系统 | |
CN108957349A (zh) | 一种锂离子电池故障检测方法和系统 | |
CN209071553U (zh) | 电池包鼓包检测装置、电池管理系统、车辆 | |
CN109733238A (zh) | 故障检测方法、装置、存储介质及处理器 | |
CN112924887A (zh) | 电池包健康检测方法、装置、可读存储介质及电子设备 | |
CN103999316B (zh) | 用于产生说明在供电网中的摆动的信号的方法 |
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 |