CN111257755B - 一种预防性检测诊断电池包方法 - Google Patents

Abstract

本发明涉及一种预防性检测诊断电池包方法，主要包括以下步骤：对历史充电数据进行分析，计算某一具体SOC下的电压极差值变化率，然后利用箱型图对包含极差值变化率的数据集进行异常值分析，结合前一次的异常值分析结果判断本次诊断的检测结果。与现有技术相比，本发明方法是对历史数据进行分析，免拆解电池包，可线上线下采用；另外，本发明方法能够辨识到渐发性故障信号，提高电池系统的可靠性。

Description

一种预防性检测诊断电池包方法

技术领域

本发明涉及一种预防性检测诊断电池包方法，特别是线上线下免拆解的通过对历史运行数据进行研究分析从而进行电池包检测诊断的方法。

背景技术

本发明与电池包的故障诊断方法有关，在车用动力电池技术领域中，电池单体以串并联形式组合成组，从而提供足够的能量，但成组电池面临一个重大问题就是安全问题，一旦某一单体电池出现故障，很大可能会波及整个电池组，从而导致重大安全事故，因此需要对电池单体进行故障诊断，从而避免事故发生。

目前市场上多数的BMS设定的故障阈值是恒定的，但随着动力电池循环使用次数的增加，电池的外特性也会随之发生改变，恒定的故障诊断阈值也可能会在电池老化后出现诊断不及时的情况。

电池单体电压是电池单体外特性的直接体现，因此对电池单体电压的故障诊断是最为重要的，电池单体电压过高或者过低是最为明显的故障，正常情况下，这种情况是不应该发生的。当然，由于电池组在使用过程中逐渐老化，单体之间的不一致性以及各单体的荷电状态，各个单体电池的电压存在不一致性也是无法避免的，但是由于电池制造或者不一致性造成的电压差异在老化程度大体一致的情况下是有限的，因此若电压差过大时表明电池组存在发生故障的可能性。

中国发明专利(专利号：CN 103399282B，专利名称：电池单体故障诊断方法)，该专利通过比较单体电压与平均电压的差异大小判定电池故障，方法简单明了，但在判定是否为电池本身问题时仍需进行总内阻辨识，需调整电流以及一定的辨识时间，实际操作困难大，应用场景少。

发明内容

本发明的目的是基于电池充电数据，提出通过对历史运行数据电压极值差变化趋势进行检测诊断，提前辨识到渐发性故障信号，减少电池突发性故障带来的问题的方法。本发明的目的是通过以下技术方案实现的：

一种一种预防性检测诊断电池包方法，其包含如下步骤：

S1、对目标锂离子电池中所有单体电池的充电曲线，进行曲线处理，提取所有单体电池某一SOC值时的电压值，并记录电压极差值；当电压极差值集合个数大于2个时，记第i次充电曲线电压极值差的变化率为k_i，记入初始数据集；

S2、判断i-1次的诊断结果，若诊断结果为预警，进行S3，若诊断结果为正常，进行S4；

S3、比较k_i与k_i-1的关系：若k_i＜k_i-1，则从初始数据集中剔除k_i-1，进行S4，若k_i>k_i-1，输出最终诊断结果：故障；

S4、箱型图判断初始数据集是否存在高异常值。若存在异常值，则进行S5；若不存在，判断是否存在低异常值，若存在低异常值，则进行S6；

S5、高异常值判断。若高异常值是k_i，则输出最终诊断结果：预警；若异常值非k_i，则剔除此次异常值，更新初始数据集，输出最终诊断结果：正常；

S6、删除低异常值，更新初始数据集，输出最终诊断结果：正常。

其中所述步骤S1对目标锂离子电池中所有单体电池的实时充电曲线，进行曲线处理，提取所有单体电池的某一SOC值时的电压值，并记录电压极差值，当电压极差值集合个数大于2个时，记第i次充电曲线电压极值差的变化率为k_i，记入初始数据集；具体步骤为：在电池包充电过程中记录满足某一SOC±X％条件的数据；由计算公式△V_i＝V_imax-V_imin计算得到极差值，当i>2时，由计算公式k_i＝△V_i-△V_i-1计算得到极值差变化率，其中：△Vi为第i次充电曲线某一SOC下的电压极差值，V_imax为第i次充电曲线某一SOC下的电压最大值，V_imin为第i次充电曲线某一SOC下的电压最小值。

其中所述X的取值范围为0.5％≤X≤1％。

其中所述步骤S4箱型图判断初始数据集是否存在高异常值。若存在异常值高异常值，则进行S5；若不存在高异常值，判断是否存在低异常值，若存在异常值，则进行S6，若不存在，则输出最终诊断结果：正常，具体步骤为：将初始数据集输入后，利用箱型图进行异常值判断，其中高异常值阈值为Q3+1.5IQR 计算得到，低异常值阈值为Q1-1.5IQR计算得到，其中，IQR＝Q3-Q1，其中Q3 为上四分位数，即将初始数据集合从小到大排列，上四分之一分位数即第 3(n+1)/4个数，Q1为下四分位数，即将初始数据集合从小到大排列，四分之一分位数即第(n+1)/4个数。

其中所述目标锂离子电池包含磷酸铁锂电池和三元材料电池。

其中所述电池包可以是由多个电芯先并联后再串联的电池包系统。

其中：所述数据包括所有单体电池充电时某一SOC值的电压值。

其中：所述某一SOC值可以是0-100％之间任一SOC值。

本发明的有益效果在于：1.本发明方法线上线下都适用，不影响电池工作输入输出；2.不需要对电池进行测试获得任何参数，免拆解；3.在电池包全生命工作期间内，都可以实时实现对电池的安全性进行描述；4.检测诊断参数时电压极值差，易获取，计算能力需求低，同时计算结果有效；5.能够辨识到渐发性故障信号，可减少电池系统因突发性故障带来的经济、时间、人力等损失，提高电池系统的安全性。

附图说明

图1是本发明的流程图；

图2是电压极值差的示意图；

图3是磷酸铁锂电池电压极值差的变化情况；

图4是箱型图充电诊断结果。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

如图1所示，一种预防性检测诊断电池包方法，所述目标锂离子电池包含磷酸铁锂电池和三元材料电池；电池包可以是由多个电芯先并联后再串联的电池包系统。在电池包充电过程中记录满足SOC±X％条件的数据。数据包括所有单体电池的电压值等。X的取值范围为0.5％-1％。由计算公式ki＝△V_i-△V_i-1计算得到极值差变化率，其中：△V_i为第i次充电曲线某一SOC下的电压极差值，V_imax为第i次充电曲线某一SOC下的电压最大值，V_imin为第i次充电曲线某一SOC下的电压最小值。

如图2所示：本文选用SOC为50％时的电压极值差，其中A为该次充电数据的V_imax，即选取电压最大的1号单体电压值，B为该次充电曲线的V_imin，即选取电压最小的5号单体电压值，A、B之间的电压差即为该次充电曲线在SOC为50％时的极值差，极值差变化率即为该次充电曲线的极值差与上次充电曲线的极值差的差值。

将上述步骤得到的历史多个充电数据的极值差变化率初始数据集作为算法模型输入参量，利用箱型图进行异常值诊断，从而对电池包进行预防性检测诊断：将初始数据集合输入后，利用箱型图进行异常值判断，首先判断i-1次的诊断结果，若诊断结果为预警，比较k_i与k_i-1的关系：若k_i>k_i-1，输出最终诊断结果：故障，若k_i＜k_i-1，则从初始数据集中剔除k_i-1，利用箱型图判断初始数据集是否存在高异常值。若存在高异常值，且高异常值是k_i，则输出最终诊断结果：预警，若高异常值非k_i，则剔除此次高异常值，更新初始数据集，输出最终诊断结果：正常。若不存在高异常值，判断是否存在低异常值，若存在低异常值，删除低异常值，更新初始数据集，输出最终诊断结果：正常。若不存在低异常值，输出最终诊断结果：正常。若i-1次诊断结果为正常，直接利用箱型图判断初始数据集是否存在高异常值。若存在高异常值，且高异常值是k_i，则输出最终诊断结果：预警，若高异常值非k_i，则剔除此次异常值，更新初始数据集，输出最终诊断结果：正常。若不存在高异常值，判断是否存在低异常值，若存在低异常值，删除低异常值，更新初始数据集，输出最终诊断结果：正常。若不存在低异常值，输出最终诊断结果：正常。

其中高异常值阈值为Q3+1.5IQR计算得到，低异常值阈值为Q1-1.5IQR计算得到，其中，IQR＝Q3-Q1，其中Q3为上四分位数，即将初始数据集合从小到大排列，上四分之一分位数即第3(n+1)/4个数，Q1为下四分位数，即将初始数据集合从小到大排列，四分之一分位数即第(n+1)/4个数。

实例1

目标电压极值差数据来自于某公司生产的WXL12S537300A电源模块。实验步骤为对梯次电池进行恒流充充电循环，以300A、恒温45℃的条件下进行循环，直至电池包无法正常工作。实验结果一共耗时3天，梯次电池包报废，电池处于恒温静置状态。

从历次充电的单体电压数据中，提取出SOC＝50％条件下的电池包电压极值差，得到电压极值差数据集ΔV_50％·＝{Δv₁，Δv₂，……Δv_n}，n为循环次数。电池包的充电电压极值差值随循环次数的变化如图3所示，充电循环次数具体对应的时间见表1。总体上，电池的电压极值差有序增大，除在第9次充电、第18次充电出现局部的极大值，受到外界温度因素所影响；25次充电到28次充电循环中，电压极值差的变化速率提高，尤其在第27次和28次充电的电压极值差都出现较大地偏离了数据集，急剧上升。

表1.充电循环次数

将6并13串的电池包的历史电压极值差数据集进行有序地检测，表2是循环充电电压极值差的变化率。

表2电压极值差变化率

表3是电池包从开始检测到检测到故障的部分检测输入与输出数据，在故障发生前的第25次充电出现预警，箱型图如图4。

表3.箱型图诊断结果表

直至26次充电，检测结果为故障，说明电池包存在渐发性故障，需要维修或更换，

具体的检测结果如表4。

表4：26次循环充电的检测诊断结果

在进行循环老化的实验结果中，电池包在完全失效前(无法正常充充电)一共进行了28次的充电循环，通过本文提出的基于箱型图的电池包渐发性故障检测方法在第26次充电时检测到渐发性故障，能够提前识别到故障信息，这种方法避免了电池包在第28次充电过程中产生的突发性失效故障对工程/系统造成的安全影响以及经济影响，达到了提前预警的效果。

同时发现电池包电芯有明显的鼓包现象，在对其拆解重组测试后单体内阻也达到了20毫欧的级别，内阻值偏大，说明本发明方法实际有效。

实例2：

对某储能电站的电池包实际充电循环数据分析，是1～4月的4个月运行数据，每月4次充电。电池包电芯多达240个，对于电压最值，仅两个数值的分析研究在数据获取上就显得更为便捷，利用预防性检测诊断方法诊断结果如表5,并未发生故障。

表5箱型图诊断结果

并且与实际运行情况进行对照，与实际运行情况符合，说明该方法诊断结果准确，发生错误诊断的概率较低，可以减少定期维护的成本以及避免误报而进行维护的成本。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.一种预防性检测诊断电池包方法，其特征在于：其包含如下步骤：

S1、对目标锂离子电池中所有单体电池的充电曲线，进行曲线处理，提取所有单体电池某一SOC值时的电压值，并记录电压极值差；当电压极值差个数大于2个时，记第i次充电曲线电压极值差的变化率为k_i，记入初始数据集；

S2、判断i-1次的诊断结果，若诊断结果为预警，进行S3，若诊断结果为正常，进行S4；

S3、比较k_i与k_i-1的关系：若k_i＜k_i-1，则从初始数据集中剔除k_i-1，进行S4，若k_i>k_i-1，输出最终诊断结果:故障；

S4、箱型图判断初始数据集是否存在高异常值，若存在高异常值，则进行S5；若不存在，判断是否存在低异常值，若存在低异常值，则进行S6；

S5、高异常值判断，若高异常值是k_i，则输出最终诊断结果:预警；若异常值非k_i，则剔除此次异常值，更新初始数据集，输出最终诊断结果：正常；

S6、删除低异常值，更新初始数据集，输出最终诊断结果：正常。

2.如权利要求1所述的一种预防性检测诊断电池包方法，其特征在于：所述步骤S1对目标锂离子电池中所有单体电池的实时充电曲线，进行曲线处理，提取所有单体电池的某一SOC值时的电压值，并记录电压极值差，当电压极值差个数大于2个时，记第i次充电曲线电压极值差的变化率为k_i，记入初始数据集；具体步骤为：在电池包充电过程中记录满足某一SOC±X％条件的数据；由计算公式△V_i＝V_imax-V_imin计算得到极值差，当i>2时，由计算公式k_i＝△V_i-△V_i-1计算得到极值差变化率，其中：△V_i为第i次充电曲线某一SOC下的电压极值差，V_imax为第i次充电曲线某一SOC下的电压最大值，V_imin为第i次充电曲线某一SOC下的电压最小值。

3.如权利要求2所述的一种预防性检测诊断电池包方法，其特征在于：所述X的取值范围为0.5％≤X≤1％。

4.如权利要求1所述的一种预防性检测诊断电池包方法，其特征在于：所述步骤S4箱型图判断初始数据集是否存在高异常值，若存在高异常值，则进行S5；若不存在高异常值，判断是否存在低异常值，若存在低异常值，则进行S6，若不存在，则输出最终诊断结果：正常，具体步骤为：将初始数据集合输入后，利用箱型图进行异常值判断，其中判断高异常值阈值为Q3+1.5IQR计算得到，低异常值阈值为Q1-1.5IQR计算得到，其中，IQR＝Q3-Q1，其中Q3为上四分位数，即将初始数据集合从小到大排列，上四分之一分位数即第3(n+1)/4个数，Q1为下四分位数，即将数据集合从小到大排列，四分之一分位数即第(n+1)/4个数。

5.如权利要求1所述的一种预防性检测诊断电池包方法，其特征在于：所述目标锂离子电池包含磷酸铁锂电池和三元材料电池。

6.如权利要求1所述的一种预防性检测诊断电池包方法，其特征在于：所述电池包是由多个电芯先并联后再串联的电池包系统。

7.如权利要求2所述的一种预防性检测诊断电池包方法，其特征在于：所述数据包括所有单体电池某一SOC值下的电压值。

8.如权利要求7所述的一种预防性检测诊断电池包方法，其特征在于：所述某一SOC值是0-100％之间任一SOC值。

Images