CN110626210A - 锂电池微短路的识别方法及电池管理系统 - Google Patents

锂电池微短路的识别方法及电池管理系统 Download PDF

Info

Publication number
CN110626210A
CN110626210A CN201910809365.1A CN201910809365A CN110626210A CN 110626210 A CN110626210 A CN 110626210A CN 201910809365 A CN201910809365 A CN 201910809365A CN 110626210 A CN110626210 A CN 110626210A
Authority
CN
China
Prior art keywords
short circuit
battery cell
battery
lithium battery
voltage
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.)
Pending
Application number
CN201910809365.1A
Other languages
English (en)
Inventor
张颖
韩冠超
高攀龙
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.)
Svolt Energy Technology Co Ltd
Original Assignee
Svolt Energy Technology 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 Svolt Energy Technology Co Ltd filed Critical Svolt Energy Technology Co Ltd
Priority to CN201910809365.1A priority Critical patent/CN110626210A/zh
Publication of CN110626210A publication Critical patent/CN110626210A/zh
Pending legal-status Critical Current

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
    • 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
    • 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
    • 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

Abstract

本发明涉及动力电池技术领域，提供一种锂电池微短路的识别方法及电池管理系统，解决了现有技术中在采用电压降、温升的方法提前预判微短路时，由于检测时间长且在有负载电流干扰的情况下，难以准确的判断电池微短路是否发生的问题。本发明所述的锂电池微短路的识别方法包括：实时采集锂电池中每个电芯的电压和电流；根据每个电芯的电压和电流，利用联合卡尔曼滤波方法，得到每个电芯的短路电阻；根据每个电芯的短路电阻与预设短路阻值范围的比较结果，确定每个电芯的内短路级别。本发明实施例适用于锂电池微短路的预判过程。

Description

锂电池微短路的识别方法及电池管理系统
技术领域
本发明涉及动力电池技术领域，特别涉及一种锂电池微短路的识别方法及电池管理系统。
背景技术
锂电池因循环利用率高、能量密度大，被广泛应用在新能源汽车上。但是，在锂电池带来高经济效益的同时，也存在一定的风险问题。其中最为明显的安全问题就是电池微短路。锂电池微短路，就是在锂电池内部电芯与电芯之间，或者单个电芯内部发生微小的短路现象。微短路会引起电池的不正常放电，并异常产热，甚至使热失控现象蔓延，引起电池起火、爆炸。在现有技术中，新能源汽车中的电池管理系统对于微短路的防控，一般采用电压降、温升的方法提前预判微短路，但是检测时间长且在有负载电流干扰的情况下，难以准确的判断电池微短路发生与否。
发明内容
有鉴于此，本发明旨在提出一种锂电池微短路的识别方法及电池管理系统，以至少部分地解决上述技术问题。
为达到上述目的，本发明的技术方案是这样实现的：
一种锂电池微短路的识别方法，所述锂电池微短路的识别方法包括：实时采集锂电池中每个电芯的电压和电流；根据每个电芯的电压和电流，利用联合卡尔曼滤波方法，得到每个电芯的短路电阻；根据每个电芯的短路电阻与预设短路阻值范围的比较结果，确定每个电芯的内短路级别。
进一步地，在所述实时采集锂电池中每个电芯的电压和电流之后，所述锂电池微短路的识别方法还包括：根据每个电芯的电压和电流，利用联合卡尔曼滤波方法，得到每个电芯的荷电状态SOC值；将所述锂电池中所有电芯的SOC值取均值，得到所述锂电池的平均SOC值；根据每个电芯的SOC值与所述平均SOC值的比值，得到每个电芯的SOC值占比；将每个电芯的SOC值占比与预设阈值进行比较；确定SOC值占比大于所述预设阈值的电芯为存在微短路的电芯，并根据所述电芯的电压和电流，利用联合卡尔曼滤波方法，得到所述电芯的短路电阻。
进一步地，在所述实时采集锂电池中每个电芯的电压和电流之后，所述锂电池微短路的识别方法还包括：将每个电芯的电压与预设电压限值进行比较；当存在电芯的电压小于所述预设电压限值时，输出断电命令；当存在电芯的电压大于或等于所述预设电压限值时，确定所述电芯为内短路电芯，并根据所述电芯的电压和电流，利用联合卡尔曼滤波方法，得到所述电芯的短路电阻。
进一步地，预设短路阻值范围包括第一短路阻值范围、第二短路阻值范围和第三短路阻值范围，且所述三个短路阻值范围中的阻值大小顺序为第一短路阻值范围<第二短路阻值范围<第三短路阻值范围，所述根据每个电芯的短路电阻与预设短路阻值范围的比较结果，确定每个电芯的内短路级别包括：判断每个电芯的短路电阻属于所述预设短路阻值范围中的哪一个；当判断电芯的短路电阻属于所述第一短路阻值范围时，所述电芯的内短路级别为严重级别内短路；当判断电芯的短路电阻属于所述第二短路阻值范围时，所述电芯的内短路级别为中等级别内短路；当判断电芯的短路电阻属于所述第三短路阻值范围时，所述电芯的内短路级别为轻微级别内短路。
进一步地，在所述确定每个电芯的内短路级别之后，所述锂电池微短路的识别方法还包括：当确定所述电芯的内短路级别为严重级别内短路时，将所述锂电池的功率降低至第一功率值；当确定所述电芯的内短路级别为中等级别内短路时，将所述锂电池的功率降低至第二功率值；当确定所述电芯的内短路级别为轻微级别内短路时，将所述锂电池的功率降低至第三功率值，且所述第一功率值<所述第二功率值<所述第三功率值。
相对于现有技术，本发明所述的锂电池微短路的识别方法具有以下优势：
本发明所述的锂电池微短路的识别方法采用联合卡尔曼方法，消除负载电流干扰，减小预估短路电阻的误差，提高了预估精度，从而提高了锂电池的安全性。
本发明的另一目的在于提出一种电池管理系统，所述电池管理系统用于执行如上所述的锂电池微短路的识别方法。
所述电池管理系统与上述锂电池微短路的识别方法相对于现有技术所具有的优势相同，在此不再赘述。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施方式及其说明用于解释本发明，并不构成对本发明的不当限定。
在附图中：
图1是本发明实施例提供的一种锂电池微短路的识别方法的流程示意图；
图2是本发明实施例提供的电芯内短路的电路示意图；
图3是本发明实施例提供的一种锂电池微短路的识别方法的流程示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施方式及实施方式中的特征可以相互组合。
下面将参考附图并结合实施方式来详细说明本发明。
图1是本发明实施例提供的一种锂电池微短路的识别方法的流程示意图。如图1所示，所述方法应用于电池管理系统(Battery Management System，BMS)，所述锂电池微短路的识别方法包括：
步骤101，实时采集锂电池中每个电芯的电压和电流；
步骤102，根据每个电芯的电压和电流，利用联合卡尔曼方法，得到每个电芯的短路电阻；
步骤103，根据每个电芯的短路电阻与预设短路阻值范围的比较结果，确定每个电芯的内短路级别。
其中，如图2所示，所述电芯中的正常内阻为Rf，正常电流为I1，电芯内正常电压为Voc，可见当所述电芯中没有出现内短路时，所述电芯的电压Vt＝Voc。当所述电芯中出现内短路时，短路电阻为RSC，其电流I＝I1+I2，即等于正常电流I1与短路电流I2之和，所述电芯中的电压Vt＝Voc+RfI1。
通过在线实时采集锂电池中每个电芯的电压Vt和电流I，然后根据每个电芯的电压和电流，采用联合卡尔曼滤波方法，得到每个电芯的短路电阻。
联合卡尔曼滤波方法是在卡尔曼滤波方法的基础上改进而来的，针对模型参数不固定的情况，可将该变化的参数与模型状态变量结合在一起应用扩展卡尔曼滤波算法，实现对状态变量较准确的最小方差估计，适用于非线性系统。当新的数据到来时，根据新的数据和前一时刻的状态估计值，根据系统本身的状态转移方程，按照卡尔曼滤波基本的递推公式，便可以计算出当前时刻新的状态变量。
通过公式(1)得到联合卡尔曼滤波方法中的状态方程：
其中，xk为第k个采集时间电芯的SOC值，uk为第k个采集时间电芯的Rf处的电压(内阻电压)，θk为第k个采集时间电芯的电流，为第k个采集时间电芯的短路电阻，Xk+1为第k+1个采集时间的状态方程，yk为观测方程，表示第k个采集时间电芯的电压，将Xk+1和yk组合为状态变量。例如，通过每个电芯的第k个采集时间采集得到的电流及电压，利用联合卡尔曼滤波方法中的状态方程，计算得到每个电芯的第k+1个采集时间电压及电流估计值，通过每个电芯的第k+1个采集时间的实际采集电压及电流值，得到第k+1个采集时间的估计误差，结合滤波增益，校正第k+1个采集时间每个电芯的电流值，并得到每个电芯的第k+1个采集时间对应的短路内阻的最优估计值，即为根据每个电芯的电压和电流，利用联合卡尔曼滤波方法，得到每个电芯的短路电阻。
在步骤103中，得到每个电芯的短路电阻之后，可根据每个电芯的短路电阻与预设短路阻值范围的比较结果，确定每个电芯的内短路级别。具体为，所述预设短路阻值范围包括第一短路阻值范围、第二短路阻值范围和第三短路阻值范围，且所述三个短路阻值范围中的阻值大小顺序为第一短路阻值范围<第二短路阻值范围<第三短路阻值范围。其中，所述第一短路阻值范围、第二短路阻值范围和第三短路阻值范围的获得，可通过在锂电池中分别设置下述四种内短路情况中的短路点：在阳极与阴极之间制造短路点、在阳极集流体与阴极之间制造短路点、在阳极与阴极集流体之间制造短路点以及在阳极集流体与阴极集流体之间制造短路点。通过上述不同短路类型进行短路模拟实验，从而得到三个短路阻值范围。例如，所述第一短路阻值范围为小于1欧姆，所述第二短路阻值范围为大于等于1欧姆且小于等于50欧姆，所述第三短路阻值范围为大于50欧姆，且对应的内短路级别分别为严重级别内短路、中等级别内短路、轻微级别内短路。首先，判断每个电芯的短路电阻属于上述短路阻值范围中的哪一个。当判断电芯的短路电阻属于所述第一短路阻值范围时，所述电芯的内短路级别为严重级别内短路，即当RSC＜1Ω时，所述电芯为严重级别内短路；当判断电芯的短路电阻属于所述第二短路阻值范围时，所述电芯的内短路级别为中等级别内短路，即当1Ω≤RSC≤50Ω时，所述电芯为中等级别内短路；当判断电芯的短路电阻属于所述第三短路阻值范围时，所述电芯的内短路级别为轻微级别内短路，即当RSC＞50Ω时，所述电芯为轻微级别内短路。
在本发明实施例的一种实施方式中，当确定每个电芯的内短路级别之后，为了降低内短路的风险等级，提高安全防控方法，可对应的降低所述锂电池的功率。具体地，当确定所述电芯的内短路级别为严重级别内短路时，将所述锂电池的功率降低至第一功率值；当确定所述电芯的内短路级别为中等级别内短路时，将所述锂电池的功率降低至第二功率值；当确定所述电芯的内短路级别为轻微级别内短路时，将所述锂电池的功率降低至第三功率值，且所述第一功率值<所述第二功率值<所述第三功率值，例如，第一功率值为降低50％的额定功率，第二功率值为降低20％的额定功率，第三功率值为降低10％的额定功率。
在本发明实施例的另一种实施方式中，为了预判锂电池是否存在微短路的情况，可通过SOC值判断。具体地，在所述实时采集锂电池中每个电芯的电压和电流之后，根据每个电芯的电压和电流，利用联合卡尔曼滤波方法，得到每个电芯的SOC值。通过每个电芯的第k个采集时间采集得到的电流及电压，利用联合卡尔曼滤波方法中的状态方程即上述公式(1)，计算得到每个电芯的第k+1个采集时间电流估计值，通过每个电芯的第k+1个采集时间的实际采集电流值，得到第k+1个采集时间的估计误差，并根据实际测量的当前时刻的电压及电流，结合滤波增益，校正第k+1个采集时间每个电芯的SOC值，并得到每个电芯的第k+1个采集时间对应的SOC值的最优估计值，即为根据每个电芯的电压和电流，利用联合卡尔曼滤波方法，得到每个电芯的SOC值。然后，将所述锂电池中所有电芯的SOC值取均值，得到所述锂电池的平均SOC值，并根据每个电芯的SOC值与所述平均SOC值的比值，得到每个电芯的SOC值占比。之后，将每个电芯的SOC值占比与预设阈值进行比较，例如与0.15进行比较，当SOC值占比大于所述预设阈值时，则确定对应的电芯存在微短路，若SOC值占比小于或等于所述预设阈值，则确定对应的电芯不存在微短路。对于存在微短路的电芯，可根据存在微短路的电芯的电压和电流，利用联合卡尔曼滤波方法，得到所述电芯的短路电阻。
在本发明实施例的另一种实时方式中，为了进一步判断微短路的类型，在所述实时采集锂电池中每个电芯的电压和电流之后，可通过每个电芯的电压与预设电压限值的比较结果，确定微短路类型为外短路还是内短路。具体地，将每个电芯的电压与所述预设电压限值进行比较，例如，所述预设电压限值为电芯的安全电压限值。当存在电芯的电压小于所述预设电压限值时，则确定所述电芯为外短路，直接输出断电命令，需要所述锂电池紧急下电。当存在电芯的电压大于或等于所述预设电压限值时，确定所述电芯为内短路电芯，然后可根据内短路的电芯的电压和电流，利用联合卡尔曼滤波方法，得到所述电芯的短路电阻。
为了便于理解本发明实施例，图3是本发明实施例提供的一种锂电池微短路的识别方法的流程示意图。如图3所示，所述锂电池微短路的识别方法包括如下步骤：
步骤301，实时采集锂电池中每个电芯的电压和电流；
步骤302，根据每个电芯的电压和电流，利用联合卡尔曼滤波方法，得到每个电芯的SOC值；
步骤303，将所述锂电池中所有电芯的SOC值取均值，得到所述锂电池的平均SOC值；
步骤304，根据每个电芯的SOC值与所述平均SOC值的比值，得到每个电芯的SOC值占比；
步骤305，判断每个电芯的SOC值是否大于或等于预设阈值，对于SOC值大于或等于所述预设阈值的电芯确定为存在微短路的电芯，执行步骤306，对于SOC值小于所述预设阈值的电芯不存在微短路，返回步骤301，继续实时采集不存在微短路的电芯的电压和电流；
步骤306，判断存在微短路的电芯的电压是否小于预设电压限值，对于电压小于所述预设电压限值的电芯，确定为存在外短路，执行步骤307，对于电压大于或等于所述预设电压限值的电芯，确定为存在内短路，则执行步骤308；
步骤307，输出断电命令，所述锂电池紧急下电；
步骤308，根据存在内短路的电芯的电压和电流，利用联合卡尔曼滤波方法，得到每个电芯的短路电阻；
步骤309，判断每个电芯的短路电阻属于所述预设短路阻值范围中的哪一个；
步骤310，当判断电芯的短路电阻属于所述第一短路阻值范围时，所述电芯的内短路级别为严重级别内短路，将所述锂电池的功率降低至第一功率值；
步骤311，当判断电芯的短路电阻属于所述第二短路阻值范围时，所述电芯的内短路级别为中等级别内短路，将所述锂电池的功率降低至第二功率值；
步骤312，当判断电芯的短路电阻属于所述第三短路阻值范围时，所述电芯的内短路级别为轻微级别内短路，将所述锂电池的功率降低至第三功率值，其中，所述三个短路阻值范围中的阻值大小顺序为第一短路阻值范围<第二短路阻值范围<第三短路阻值范围，且所述第一功率值<所述第二功率值<所述第三功率值。
通过本发明实施例，针对模型参数不固定的情况，利用联合卡尔曼滤波方法，将该变化的参数与模型状态变量结合在一起，预估内短路电芯的短路电阻，可消除负载电流干扰，减小短路电阻的预估误差，实现对锂电池微短路的提前检测，根据识别到的内短路等级，通过改变锂电池的功率，降低微短路的风险。
相应的，本发明实施例还提供一种电池管理系统，所述电池管理系统用于执行上述实施例所述的锂电池微短路的识别方法。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种锂电池微短路的识别方法，其特征在于，所述锂电池微短路的识别方法包括：
实时采集锂电池中每个电芯的电压和电流；
根据每个电芯的电压和电流，利用联合卡尔曼滤波方法，得到每个电芯的短路电阻；
根据每个电芯的短路电阻与预设短路阻值范围的比较结果，确定每个电芯的内短路级别。
2.根据权利要求1所述的锂电池微短路的识别方法，其特征在于，在所述实时采集锂电池中每个电芯的电压和电流之后，所述锂电池微短路的识别方法还包括：
根据每个电芯的电压和电流，利用联合卡尔曼滤波方法，得到每个电芯的荷电状态SOC值；
将所述锂电池中所有电芯的SOC值取均值，得到所述锂电池的平均SOC值；
根据每个电芯的SOC值与所述平均SOC值的比值，得到每个电芯的SOC值占比；
将每个电芯的SOC值占比与预设阈值进行比较；
确定SOC值占比大于所述预设阈值的电芯为存在微短路的电芯，并根据所述电芯的电压和电流，利用联合卡尔曼滤波方法，得到所述电芯的短路电阻。
3.根据权利要求1所述的锂电池微短路的识别方法，其特征在于，在所述实时采集锂电池中每个电芯的电压和电流之后，所述锂电池微短路的识别方法还包括：
将每个电芯的电压与预设电压限值进行比较；
当存在电芯的电压小于所述预设电压限值时，输出断电命令；
当存在电芯的电压大于或等于所述预设电压限值时，确定所述电芯为内短路电芯，并根据所述电芯的电压和电流，利用联合卡尔曼滤波方法，得到所述电芯的短路电阻。
4.根据权利要求1所述的锂电池微短路的识别方法，其特征在于，预设短路阻值范围包括第一短路阻值范围、第二短路阻值范围和第三短路阻值范围，且所述三个短路阻值范围中的阻值大小顺序为第一短路阻值范围<第二短路阻值范围<第三短路阻值范围，所述根据每个电芯的短路电阻与预设短路阻值范围的比较结果，确定每个电芯的内短路级别包括：
判断每个电芯的短路电阻属于所述预设短路阻值范围中的哪一个；
当判断电芯的短路电阻属于所述第一短路阻值范围时，所述电芯的内短路级别为严重级别内短路；
当判断电芯的短路电阻属于所述第二短路阻值范围时，所述电芯的内短路级别为中等级别内短路；
当判断电芯的短路电阻属于所述第三短路阻值范围时，所述电芯的内短路级别为轻微级别内短路。
5.根据权利要求4所述的锂电池微短路的识别方法，其特征在于，在所述确定每个电芯的内短路级别之后，所述锂电池微短路的识别方法还包括：
当确定所述电芯的内短路级别为严重级别内短路时，将所述锂电池的功率降低至第一功率值；
当确定所述电芯的内短路级别为中等级别内短路时，将所述锂电池的功率降低至第二功率值；
当确定所述电芯的内短路级别为轻微级别内短路时，将所述锂电池的功率降低至第三功率值，且所述第一功率值<所述第二功率值<所述第三功率值。
6.一种电池管理系统，其特征在于，所述电池管理系统用于执行上述权利要求1-5中任意一项所述的锂电池微短路的识别方法。
CN201910809365.1A 2019-08-29 2019-08-29 锂电池微短路的识别方法及电池管理系统 Pending CN110626210A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910809365.1A CN110626210A (zh) 2019-08-29 2019-08-29 锂电池微短路的识别方法及电池管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910809365.1A CN110626210A (zh) 2019-08-29 2019-08-29 锂电池微短路的识别方法及电池管理系统

Publications (1)

Publication Number Publication Date
CN110626210A true CN110626210A (zh) 2019-12-31

Family

ID=68969433

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910809365.1A Pending CN110626210A (zh) 2019-08-29 2019-08-29 锂电池微短路的识别方法及电池管理系统

Country Status (1)

Country Link
CN (1) CN110626210A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111198327A (zh) * 2020-02-24 2020-05-26 北京理工大学 一种单体电池内短路故障自检测方法
CN111208439A (zh) * 2020-01-19 2020-05-29 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
CN111722129A (zh) * 2020-06-01 2020-09-29 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
CN112180266A (zh) * 2020-09-21 2021-01-05 上海理工大学 一种电池内短路全过程的跟踪预警方法
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
CN116087792A (zh) * 2023-03-02 2023-05-09 上海玫克生储能科技有限公司 一种辨识锂电池内短路程度的方法和系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105277898A (zh) * 2015-10-27 2016-01-27 浙江大学 一种电池荷电状态的检测方法
CN106802396A (zh) * 2017-03-28 2017-06-06 上海理工大学 一种电池内短路的诊断方法
CN107192914A (zh) * 2017-04-18 2017-09-22 宁德时代新能源科技股份有限公司 锂离子动力电池内短路检测方法
WO2018113773A1 (zh) * 2016-12-23 2018-06-28 华为技术有限公司 一种电池微短路的检测方法及装置
WO2019037112A1 (zh) * 2017-08-25 2019-02-28 深圳市云中飞网络科技有限公司 终端设备及其电池异常监控方法和监控系统
WO2019138286A1 (ja) * 2018-01-11 2019-07-18 株式会社半導体エネルギー研究所 二次電池の異常検知装置、異常検知方法、及びプログラム
US20190219640A1 (en) * 2016-09-27 2019-07-18 Huawei Technologies Co., Ltd. Method and apparatus for detecting micro short circuit of battery

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105277898A (zh) * 2015-10-27 2016-01-27 浙江大学 一种电池荷电状态的检测方法
US20190219640A1 (en) * 2016-09-27 2019-07-18 Huawei Technologies Co., Ltd. Method and apparatus for detecting micro short circuit of battery
WO2018113773A1 (zh) * 2016-12-23 2018-06-28 华为技术有限公司 一种电池微短路的检测方法及装置
CN106802396A (zh) * 2017-03-28 2017-06-06 上海理工大学 一种电池内短路的诊断方法
CN107192914A (zh) * 2017-04-18 2017-09-22 宁德时代新能源科技股份有限公司 锂离子动力电池内短路检测方法
WO2019037112A1 (zh) * 2017-08-25 2019-02-28 深圳市云中飞网络科技有限公司 终端设备及其电池异常监控方法和监控系统
WO2019138286A1 (ja) * 2018-01-11 2019-07-18 株式会社半導体エネルギー研究所 二次電池の異常検知装置、異常検知方法、及びプログラム

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
于仲安等: "基于联合扩展卡尔曼滤波法的锂电池SOC估算", 《电源技术》 *
刘力硕等: "锂离子电池内短路机理与检测研究进展", 《储能科学与技术》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111208439A (zh) * 2020-01-19 2020-05-29 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
CN111198327A (zh) * 2020-02-24 2020-05-26 北京理工大学 一种单体电池内短路故障自检测方法
CN111722129A (zh) * 2020-06-01 2020-09-29 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
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
CN112180266A (zh) * 2020-09-21 2021-01-05 上海理工大学 一种电池内短路全过程的跟踪预警方法
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
CN116087792A (zh) * 2023-03-02 2023-05-09 上海玫克生储能科技有限公司 一种辨识锂电池内短路程度的方法和系统

Similar Documents

Publication Publication Date Title
CN110626210A (zh) 锂电池微短路的识别方法及电池管理系统
KR101897859B1 (ko) 리튬 석출 탐지 방법, 이를 이용한 이차전지 충전 방법과 장치 및 이차전지 시스템
CN102347517B (zh) 一种寿命状态自适应型soc估算方法及系统
CN104360286B (zh) 一种锂离子电池荷电状态估算修正方法
CN110888064B (zh) 一种评估电池系统电芯容量分布区间的算法
CN112158105B (zh) 新能源汽车动力电池soh评估装置、方法及系统
CN103487760B (zh) 一种电池健康度的判定方法
CN108802625B (zh) 一种二次利用电池的soc自适应修正方法
CN107436412B (zh) 一种基于自学习估算动力电池功率方法
CN106154175B (zh) 基于动态压差的充电电池荷电状态估算系统及工作流程
CN112180261B (zh) 一种磷酸铁锂动力电池析锂检测方法
CN108340801B (zh) 一种电动汽车限功率方法
CN113030758B (zh) 基于锂离子电池容量跳水点的老化预警方法、系统、汽车及计算机存储介质
Tan et al. Joint estimation of ternary lithium-ion battery state of charge and state of power based on dual polarization model
CN112580289B (zh) 一种混合电容器功率状态在线估计方法及系统
CN112363061A (zh) 一种基于大数据的热失控风险评估方法
CN117154268A (zh) 一种基于水系钠离子储能电池柜的soc校正方法、装置、设备及存储介质
CN112162198B (zh) 一种适用于混动车辆的电池健康诊断系统及方法
CN110470993A (zh) 一种启停电池soc算法
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
CN114523878B (zh) 一种锂离子电池析锂安全预警方法及装置
CN115774200A (zh) 一种锂离子电池串联模组微/内短路检测方法
CN111580000B (zh) 一种电池soc校准方法
CN112117505B (zh) 一种化成分容控制方法及化成分容控制系统
Mao et al. Joint State‐of‐Charge and State‐of‐Health Estimation for Lithium‐Ion Batteries Based on Improved Lebesgue Sampling and Division of Aging Stage

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191231