CN111537893A - 一种锂离子电池模组运行安全的评测方法、系统及电子设备 - Google Patents
一种锂离子电池模组运行安全的评测方法、系统及电子设备 Download PDFInfo
- Publication number
- CN111537893A CN111537893A CN202010461693.XA CN202010461693A CN111537893A CN 111537893 A CN111537893 A CN 111537893A CN 202010461693 A CN202010461693 A CN 202010461693A CN 111537893 A CN111537893 A CN 111537893A
- Authority
- CN
- China
- Prior art keywords
- lithium ion
- ion battery
- window
- state
- safety
- 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
Links
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 106
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 60
- 230000002159 abnormal effect Effects 0.000 claims abstract description 40
- 238000011156 evaluation Methods 0.000 claims abstract description 21
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 44
- 239000013598 vector Substances 0.000 claims description 33
- 238000012360 testing method Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000007704 transition Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 abstract description 13
- 230000008569 process Effects 0.000 abstract description 11
- 230000007774 longterm Effects 0.000 abstract description 7
- 230000005856 abnormality Effects 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 231100000817 safety factor Toxicity 0.000 description 20
- 238000005516 engineering process Methods 0.000 description 5
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 description 4
- 239000003990 capacitor Substances 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
-
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
-
- 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
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/05—Accumulators with non-aqueous electrolyte
- H01M10/052—Li-accumulators
- H01M10/0525—Rocking-chair batteries, i.e. batteries with lithium insertion or intercalation in both electrodes; Lithium-ion batteries
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/4285—Testing apparatus
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Materials Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本发明涉及一种锂离子电池模组运行安全的评测方法、系统及电子设备，包括：S1设置滑动窗口的长度，计算窗口卡方检测阈值；S2建立锂离子电池的等效电路模型，采用卡尔曼滤波进行状态估计，得到状态预测值；S3计算残差；S4基于残差和残差的协方差计算窗口和；S5窗口和小于或等于窗口卡方检测阈值时认为电池运行正常，进行下一个数据检测；窗口和大于窗口卡方检测阈值时认为电池运行异常，记录异常时窗口卡方检测的运行时长；S6根据运行时长序列计算安全系数。本发明采用加窗的卡方检测，通过调节窗口长度，实现动态检测，可更准确地捕捉异常信号，有利于提取电池长期运行过程中内部微短路、自放电等隐性异常引起的电池状态变化。
Description
技术领域
本发明涉及电池安全领域，更具体地涉及一种锂离子电池模组运行安全的评测方法、系统及电子设备。
背景技术
随着消费电子、电动汽车、可再生能源等领域的飞速发展，对储能电池的需求快速增长，而锂离子电池凭借其能量密度高、体积小、充放快等优点受到广泛青睐且产业迅速扩大。近年来，锂离子电池的比能量不断上升，产能快速增长，随着其产品种类日渐丰富，应用场景越来越丰富，对于安全性提出了更高的要求，对安全问题亟待更多的关注。虽然电池在出厂前需进行标准的电性能验证、倍率充放电试验、振动试验、高温下模制壳体应力试验、温度循环试验以及安全性验证等抽检试验，规定测试过程电池不起火、不爆炸、不漏液、不排气、不燃烧、包装不破裂。这些标准很大程度上保障了电池出厂的批次安全性，但是对于每个电池使用过程中的安全保障，尤其是明显故障前的电池安全检测技术目前业内仍有所欠缺。
理论上最安全的使用方式是按照电池的额定充放电功率在规定温度和电压窗口之间进行充放电循环，但是实际使用过程中，除了电池本身潜在质量缺陷外，往往存在着电池的滥用，包括电池的不正确安装、外部短路、内部短路、意外跌落、机械冲击、挤压、低压、过度充电、过度放电、高倍率充放等。这些行为除了会导致电池潜在质量缺陷以故障形式出现外，还加剧电池内部的结构变化和损伤，造成了新的质量缺陷最终可能导致电池发生鼓包、冒烟甚至起火爆炸等严重故障。因此，发展一种能够在电池发生明显故障前对电池的运行安全进行预测评估的技术十分必要。
在实际锂离子电池系统中，经传感器获取的信号中夹杂着电池或传感器漂移产生的随机扰动。在明显故障发生前的隐性异常发展阶段，虽然电池信号尚未发生明显偏移，但是信号的残差分布可能已经改变，可通过分析残差分布的变化判断电池的安全状态。此前，专利申请201910758845.X中所述的一种锂离子电池及其系统运行安全性评估预测方法基于卡方检测方法，就是针对采集信号的残差分布分析，但是该方法属于静态检测，对于随机扰动的抗干扰能力弱，会发生将随机扰动识别为异常的情景，造成检测结果与实际情况偏离。
发明内容
本发明提供一种锂离子电池模组运行安全的评测方法、系统及电子设备，通过评测锂离子电池使用过程中的安全性，保障电池使用过程中的安全。
本发明一方面提供一种锂离子电池模组运行安全的评测方法，至少包括以下步骤：
步骤S1：在一个测试周期内，设置滑动窗口的长度，并根据预设安全系数、锂离子电池模组的输出维数及所述滑动窗口的长度计算窗口卡方检测阈值；
步骤S2：建立锂离子电池的等效电路模型，采用卡尔曼滤波对锂离子电池进行状态估计，得到状态预测值；
步骤S3：基于锂离子电池状态的实际观测值与所述状态预测值计算残差；
步骤S4：计算所述残差的协方差，并基于所述残差和所述残差的协方差计算窗口和；
步骤S5：将所述窗口和与所述窗口卡方检测阈值进行比较，当所述窗口和小于或等于所述窗口卡方检测阈值时认为锂离子电池模组运行正常，返回步骤S2进行下一个数据检测；当所述窗口和大于所述窗口卡方检测阈值时认为锂离子电池模组运行异常，记录运行异常时窗口卡方检测的运行时长；
步骤S6：所述运行时长组成运行时长序列，根据所述运行时长序列计算所述测试周期内的安全系数。
进一步地，所述窗口卡方检测阈值满足如下关系式：
其中，ε为窗口卡方检测阈值，S*为预设安全系数，m为锂离子电池模组的输出维数，l为滑动窗口的长度，γ-1为正则化下不完全Γ函数的反函数。
进一步地，所述状态预测值满足如下关系式：
L＝FPHT(HPHT+Rη)-1
P＝FPFT+Rv-FPHT(HPHT+Rη)-1HPFT
其中，
为相邻时刻的状态预测值，F为状态转移矩阵，G为输入矩阵，H为观测矩阵，uk为输入向量，yk为输出向量，L为卡尔曼滤波增益，P为状态向量协方差矩阵，Rv为输入高斯噪声向量的协方差矩阵，Rη为输出高斯噪声向量的协方差矩阵，FT为状态转移矩阵的转置矩阵，HT为观测矩阵的转置矩阵。
进一步地，所述残差满足如下关系式：
其中，rk+1为残差，yk+1为输出向量，H为观测矩阵，
为状态预测值，ek+1为预测误差向量，ηk+1为输出高斯噪声向量，δk+1为异常信号输出向量，xk+1为状态向量。
进一步地，所述残差的协方差满足如下关系式：
Φ＝HPHT+Rη
其中，Φ为残差的协方差，H为观测矩阵，P为状态向量协方差矩阵，HT为观测矩阵的转置矩阵，Rη为输出高斯噪声向量的协方差矩阵。
进一步地，所述窗口和满足如下关系式：
其中，ωi为窗口和，rk+1为残差，l为滑动窗口的长度，Φ-1为残差的协方差矩阵的逆矩阵，
为残差的转置矩阵。
进一步地，所述安全系数满足如下关系式：
其中，a、b为预设系数，K为运行异常时窗口卡方检测的运行时长序列，E(K)为K的期望。
进一步地，所述锂离子电池模组包括单体锂离子电池、锂离子电池组、带有电池管理模块的单体锂离子电池或带有电池管理模块的锂离子电池组。
本发明另一方面提供一种锂离子电池模组运行安全的评测系统，至少包括：
状态模块，基于输入信号得到锂离子电池的实际状态；
状态预测模块，基于输入信号，得到锂离子电池的预测状态；
运行状态判断模块，连接所述状态模块及所述状态预测模块，基于预设安全系数、锂离子电池模组的输出维数及预设的滑动窗口的长度计算窗口卡方检测的阈值，并基于所述实际状态、所述预测状态及所述窗口卡方检测的阈值判断锂离子电池模组运行状态是否异常，并记录运行异常时窗口卡方检测的运行时长；
安全系数计算模块，连接所述运行状态判断模块，基于运行异常时窗口卡方检测的运行时长组成的运行时长序列计算安全系数。
本发明再一方面提供一种电子设备，至少包括：
互相通信连接的指令存储器和处理器；所述指令存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如上所述的锂离子电池模组运行安全的评测方法。
本发明的锂离子电池模组运行安全的评测方法、系统及电子设备，采用窗口卡方检测技术，可根据实际情况改变窗口长度，以实现抗动态随机干扰性能，使生成的安全系数更能体现系统真实的安全水平。本发明的评测方法对电池建立等效电路模型，采用卡尔曼滤波预测电池的充电状态、端电压等状态信息；采用加窗的卡方检测，通过调节窗口长度，可以实现动态检测，异常检测范围更广，可更准确地捕捉异常信号，有利于提取电池长期运行过程中内部微短路、自放电等隐性异常引起的电池状态变化；采用加窗的方式逐段累加数据偏差得到窗口和，利用窗口和的分布特性识别电池信号中夹杂的隐性微弱异常信号进行异常判断，同时可以减少扰动造成的误报警，进一步通过计算转换成安全系数，用以衡量电池安全水平的变化，使结果更加直观。
附图说明
图1为本发明实施例提供的锂离子电池模组运行安全的评测方法的流程示意图；
图2为本发明实施例提供的锂离子电池模组的等效电路模型；
图3a-f为锂离子电池模组正常运行及添加不同分量扰动后的电压信号的波形示意图；
图4为不同窗口长度下安全系数随扰动大小变化示意图；
图5为本发明实施例提供的锂离子电池模组运行安全的评测系统的结构示意图。
附图标记：
11-状态模块；
12-状态预测模块；
13-运行状态判断模块；
14-安全系数计算模块。
具体实施方式
下面结合附图，给出本发明的较佳实施例，并予以详细描述。
实施例一
如图1所示，本发明实施例提供一种锂离子电池模组运行安全的评测方法，其至少包括以下步骤：
1)在一个测试周期内，设置滑动窗口的长度，并根据预设安全系数、锂离子电池模组的输出维数及所述滑动窗口的长度计算窗口卡方检测阈值。
具体地，在一个测试周期内，首先假定系统处于正常运行状态，预设安全系数和滑动窗口的长度，根据预设安全系数、滑动窗口的长度以及锂离子电池模组的输出维数计算窗口卡方检测阈值，其满足如下关系式：
其中，ε为窗口卡方检测阈值，S*为预设安全系数，m为锂离子电池模组的输出维数，l为滑动窗口的长度，γ-1为正则化下不完全Γ函数的反函数；预设安全系数S*、滑动窗口的长度l可基于实际需要进行设定；输出维数m与锂离子电池模组的测量方式有关，包括但不限于电流、电压、温度，在此不一一赘述。
2)建立锂离子电池的等效电路模型，采用卡尔曼滤波对锂离子电池进行状态估计，得到状态预测值。
需要说明的是，本发明所述的锂离子电池模组包括单体锂离子电池、锂离子电池组、带有电池管理模块(BMS，Battery Management System)的单体锂离子电池或带有电池管理模块的锂离子电池组。
具体地，采用等效电路模型捕捉、模拟、预测锂离子电池动态行为与性能。如图2所示，在本实施例中，采用一阶RC等效电路模型对锂离子电池的状态进行建模预测，等效电路模型包括电压源OCV、第一电阻R0、第二电阻R1及电容C1，其中，所述电压源OCV表示开路电压，所述第一电阻R0表示锂离子电池内部欧姆电阻，所述第二电阻R1及所述电容C1表示锂离子电池内部极化的电阻和电容。所述第二电阻R1与所述电容C1并联后与所述第一电阻R0串联，而后连接于所述锂离子电池的正极及所述电压源OCV的正极之间，所述电压源OCV的负极连接所述锂离子电池的负极。
需要说明的是，在实际使用中，可基于不同的等效电路模型进行建模预测，不以本实施例为限，不同等效电路模型对应的信号维度不同，不影响本发明中各关系式的适用性。
具体地，将锂离子电池模组视为线性时不变系统(LTI，Linear Time Invariant)，那么锂离子电池模组的离散时间描述为：
其中，xk、xk+1为相邻时刻的状态向量，xk∈Rn、xk+1∈Rn；yk为输出向量，yk∈Rm；uk为输入向量，uk∈Rl；vk为输入高斯噪声向量，vk∈Rn，其协方差Rv∈Rn×n；ηk为输出高斯噪声向量，ηk∈Rm，其协方差Rη∈Rm×m；δk异常信号输出向量，δk∈Rm；F、G、H分别为状态转移矩阵、输入矩阵和观测矩阵；R为实数集，n、m、l为维数。
具体地，采用卡尔曼滤波对锂离子电池进行状态估计，得到的状态预测值满足如下关系式：
其中，
为相邻时刻的状态预测值，
L为卡尔曼滤波增益，其满足如下关系式：
L＝FPHT(HPHT+Rη)-1
其中，P为状态向量的协方差矩阵，其由黎卡提方程给出，满足如下关系式：
P＝FPFT+Rv-FPHT(HPHT+Rη)-1HPFT
其中，FT为状态转移矩阵的转置矩阵，HT为观测矩阵的转置矩阵。
3)基于锂离子电池状态的实际观测值与所述状态预测值计算残差。
具体地，根据测试得到的锂离子电池状态的实际观测值与卡尔曼滤波后输出的状态预测值得到残差，满足如下关系式：
其中，ek+1为预测误差向量，满足如下关系式：
4)计算所述残差的协方差，并基于所述残差和所述残差的协方差计算预设窗口长度内的窗口和。
具体地，在使用卡尔曼滤波对锂离子电池状态及输出进行预测更新时，通过锂离子电池当前状态和预测状态值计算系统残差，然后构建平方形式的异常偏离窗口和，满足如下关系式：
其中，ωi为窗口和，Φ为残差的协方差，rk+1为残差，l为滑动窗口的长度，Φ-1为残差的协方差矩阵的逆矩阵，
为残差的转置矩阵，残差的协方差满足如下关系式：
Φ＝HPHT+Rη
如果电池系统正常运行，锂离子电池的残差服从均值为0、方差为Φ的高斯分布。由于因子Φ-1的引入，相当于对窗口和ωi的分布进行了缩放调整，使得窗口和将服从自由度为m的卡方分布，其期望为m，方差为2m。
5)将所述窗口和与所述窗口卡方检测阈值进行比较，当所述窗口和小于或等于所述窗口卡方检测阈值时认为锂离子电池模组运行正常，返回步骤2)进行下一个数据检测；当所述窗口和大于所述窗口卡方检测阈值时认为锂离子电池模组运行异常，记录运行异常时窗口卡方检测的运行时长。
具体地，将窗口和输入窗口卡方检测器，与窗口卡方检测阈值进行比较，即可方便快捷地识别出电池系统观测值和估计值之间的误差是否异常，进而判断锂离子电池模组运行状态是否出现异常。卡方检测器是一种十分方便的检测器，通过比较系统的绝对误差是否达到阈值实现系统错误识别，本实施例采用加窗的卡方检测，通过设置并调节滑动窗口的长度，可以实现动态检测，异常检测范围更广，可更准确的捕捉异常信号，有利于提取电池长期运行过程中内部微短路、自放电等隐性异常引起的电池状态变化。
窗口和与阈值比较的关系式和判断结果如下：
其中，当窗口和ωi大于阈值ε时，判断系统有异常发生，记录截至此时的运行时长Kj，各个时刻的运行时长Kj则形成运行时长序列K。
6)根据所述运行时长序列K计算所述测试周期内的安全系数。
具体地，安全系数S可由以下关系式确定：
其中，E(K)为K的期望，即平均运行时长；a和b为预设系数，可根据实际电池系统的安全系数S与平均运行时长E(K)之间的比例关系确定。
为了对本发明的锂离子电池模组运行安全的评测方法的效果进行验证，取一块电池，建立等效电路模型，第一电阻R0设置为0.024Ω，第二电阻R1设置为0.015Ω，电容C1设置为1000F。连续测试记录1000个电池电压电流数据。在正常运行时采集的电压信号中添加最大值分别为0.002V、0.004V、0.006V、0.008V和0.01V持续随机干扰信号用以代表内部短路、自放电等缓慢发展的异常，分别对这些数据采用本发明所述的方法量化评估其安全性。
如图3a-f所示，图3a-f分别为电池正常运行、添加0.002V扰动、添加0.004V扰动、添加0.006V扰动、添加0.008V扰动和添加0.01V扰动后的电压信号的波形示意图。由于采集的电压信号本身就具有噪声，且从图中可以看到电压波动在10mV量级，难以分辨添加的干扰信号，所以这种微弱的干扰信号是难以观测的，但是这种干扰来源于内部状态的缓慢恶化，长期发展必然导致电池安全性严重下降，甚至可能演化为冒烟、起火、爆炸等极端热失控。
如图4所示，由本发明的评测方法在不同窗口长度下对上述数据处理后得到的安全系数，正常情况下电池的安全系数大于0.99，从图中可以看出，一方面，在扰动相同的情况下，窗口长度越大，电池的安全系数也越大；另一方面，在窗口长度相同的情况下，扰动越大，电池的安全系数越小。因此，本发明的评测方法可将内部短路、自放电等缓慢发展的异常识别并转化为显著的量化指标，也就是安全系数，为使用者提供准确的电池安全信息，提前预警异常电池的恶化程度，提升锂离子电池模组的使用安全性；且通过调节窗口长度可以实现动态检测，异常检测范围更广，可更准确的捕捉异常信号，有利于提取电池长期运行过程中内部微短路、自放电等隐性异常引起的电池状态变化。
本发明实施例提供的锂离子电池模组运行安全的评测方法，采用窗口卡方检测技术，可根据实际情况改变窗口长度，以实现抗动态随机干扰性能，使生成的安全系数更能体现系统真实的安全水平。本发明的评测方法对电池建立等效电路模型，采用卡尔曼滤波预测电池的充电状态、端电压等状态信息，采用加窗的卡方检测，通过调节窗口长度，可以实现动态检测，异常检测范围更广，可更准确地捕捉异常信号，有利于提取电池长期运行过程中内部微短路、自放电等隐性异常引起的电池状态变化；采用加窗的方式逐段累加数据偏差得到窗口和，利用窗口和的分布特性识别电池信号中夹杂的隐性微弱异常信号进行异常判断，同时可以减少扰动造成的误报警，进一步通过计算转换成安全系数，用以衡量电池安全水平的变化，使结果更加直观。
实施例二
如图5所示，本实施例提供一种锂离子电池模组运行安全的评测系统，至少包括：状态模块11、状态预测模块12、运行状态判断模块13和安全系数计算模块14。
其中，状态模块11基于输入信号uk得到锂离子电池的实际状态xk。
具体地，输入信号uk包括但不限于电压、电流、温度、湿度。状态模块11基于输入信号uk在等效电路模型中的关系得到状态向量xk及输出向量yk。在本实施例中，等效电路模型为一阶阻容网络，如图2所示。
应当注意的是，等效电路模型也可以采用其他锂离子电池等效电路，本发明对此不做限定。
状态预测模块12基于输入信号uk得到锂离子电池的预测状态
具体地，对锂离子电池的等效电路模型采用卡尔曼滤波，从而对锂离子电池进行状态估计，得到状态预测值
运行状态判断模块13连接状态模块11及状态预测模块12，基于预设安全系数、锂离子电池模组的输出维数及预设的滑动窗口的长度计算窗口卡方检测的阈值，并基于实际状态、预测状态及窗口卡方检测的阈值判断锂离子电池模组运行状态是否异常，并记录运行异常时窗口卡方检测的运行时长Kj。
具体地，运行状态判断模块13可采用窗口卡方检测器实现，首先设置滑动窗口的长度l，并根据预设安全系数S*、锂离子电池模组的输出维数m及滑动窗口的长度l计算得到窗口卡方检测器的阈值ε；然后基于实际输出信号yk及预测状态
计算得到残差rk，再基于残差rk得到窗口和ωi，当窗口和ωi小于窗口卡方检测器的阈值ε时，认为锂离子电池模组运行正常，当窗口和ωi大于窗口卡方检测器的阈值ε时，认为锂离子电池模组运行异常，并记录运行异常时窗口卡方检测的运行时长Kj，各个时刻的运行时长Kj则形成运行时长序列K。
安全系数计算模块14连接运行状态判断模块13，基于运行异常时窗口卡方检测的运行时长Kj组成的运行时长序列K计算安全系数S。
具体地，首先根据运行时长序列K计算得到测试周期内的平均运行时长E(K)，然后根据预设系数a和b计算得到安全系数。
需要说明的是，本实施例中的所有参数满足的关系式均如实施例一中所述，此处不再赘述。
本实施例的锂离子电池模组运行安全的评测系统采用实施例一中的评测方法，对电池建立等效电路模型，采用卡尔曼滤波预测电池的充电状态、端电压等状态信息，采用加窗的卡方检测，通过调节窗口长度，可以实现动态检测，异常检测范围更广，可更准确地捕捉异常信号，有利于提取电池长期运行过程中内部微短路、自放电等隐性异常引起的电池状态变化；采用加窗的方式逐段累加数据偏差得到窗口和，利用窗口和的分布特性识别电池信号中夹杂的隐性微弱异常信号进行异常判断，同时可以减少扰动造成的误报警，进一步通过计算转换成安全系数，用以衡量电池安全水平的变化，使结果更加直观。
实施例三
本实施例提供一种电子设备，该设备可以包括处理器和指令存储器，其中，处理器及指令存储器可以基于总线或者其他方式通过通信接口相互连接。具体地，处理器可以是任意类型可用的具有信息处理功能的器件，如中央处理器或数字信号处理器等，用于执行指令存储器中存储的计算机指令以实现如实施例一所述的锂离子电池模组运行安全的评测方法。
本实施例的电子设备，通过处理器和指令存储器实现如实施例一所述的锂离子电池模组运行安全的评测方法，实现对电池运行安全的动态检测，并将其量化为安全系数，用以衡量电池安全水平的变化，使结果更加直观。
以上所述的，仅为本发明的较佳实施例，并非用以限定本发明的范围，本发明的上述实施例还可以做出各种变化。即凡是依据本发明申请的权利要求书及说明书内容所作的简单、等效变化与修饰，皆落入本发明专利的权利要求保护范围。本发明未详尽描述的均为常规技术内容。
Claims (10)
1.一种锂离子电池模组运行安全的评测方法，其特征在于，至少包括以下步骤：
步骤S1：在一个测试周期内，设置滑动窗口的长度，并根据预设安全系数、锂离子电池模组的输出维数及所述滑动窗口的长度计算窗口卡方检测阈值；
步骤S2：建立锂离子电池的等效电路模型，采用卡尔曼滤波对锂离子电池进行状态估计，得到状态预测值；
步骤S3：基于锂离子电池状态的实际观测值与所述状态预测值计算残差；
步骤S4：计算所述残差的协方差，并基于所述残差和所述残差的协方差计算窗口和；
步骤S5：将所述窗口和与所述窗口卡方检测阈值进行比较，当所述窗口和小于或等于所述窗口卡方检测阈值时认为锂离子电池模组运行正常，返回步骤S2进行下一个数据检测；当所述窗口和大于所述窗口卡方检测阈值时认为锂离子电池模组运行异常，记录运行异常时窗口卡方检测的运行时长；
步骤S6：所述运行时长组成运行时长序列，根据所述运行时长序列计算所述测试周期内的安全系数。
2.根据权利要求1所述的锂离子电池模组运行安全的评测方法，其特征在于，S1中所述窗口卡方检测阈值满足如下关系式：
其中，ε为窗口卡方检测阈值，S*为预设安全系数，m为锂离子电池模组的输出维数，l为滑动窗口的长度，γ-1为正则化下不完全Γ函数的反函数。
3.根据权利要求1所述的锂离子电池模组运行安全的评测方法，其特征在于，S2中所述状态预测值满足如下关系式：
L＝FPHT(HPHT+Rη)-1
P＝FPFT+Rv-FPHT(HPHT+Rη)-1HPFT
其中，
为相邻时刻的状态预测值，F为状态转移矩阵，G为输入矩阵，H为观测矩阵，uk为输入向量，yk为输出向量，L为卡尔曼滤波增益，P为状态向量协方差矩阵，Rv为输入高斯噪声向量的协方差矩阵，Rη为输出高斯噪声向量的协方差矩阵，FT为状态转移矩阵的转置矩阵，HT为观测矩阵的转置矩阵。
4.根据权利要求1所述的锂离子电池模组运行安全的评测方法，其特征在于，S3和S4中所述残差满足如下关系式：
其中，rk+1为残差，yk+1为输出向量，H为观测矩阵，
为状态预测值，ek+1为预测误差向量，ηk+1为输出高斯噪声向量，δk+1为异常信号输出向量，xk+1为状态向量。
5.根据权利要求4所述的锂离子电池模组运行安全的评测方法，其特征在于，S4中所述残差的协方差满足如下关系式：
Φ＝HPHT+Rη
其中，Φ为残差的协方差，H为观测矩阵，P为状态向量协方差矩阵，HT为观测矩阵的转置矩阵，Rη为输出高斯噪声向量的协方差矩阵。
6.根据权利要求5所述的锂离子电池模组运行安全的评测方法，其特征在于，S4和S5中所述窗口和满足如下关系式：
其中，ωi为窗口和，rk+1为残差，l为滑动窗口的长度，Φ-1为残差的协方差矩阵的逆矩阵，
为残差的转置矩阵。
7.根据权利要求1所述的锂离子电池模组运行安全的评测方法，其特征在于，S6中所述安全系数满足如下关系式：
其中，a、b为预设系数，K为运行异常时窗口卡方检测的运行时长序列，E(K)为K的期望。
8.根据权利要求1-7任一项所述的锂离子电池模组运行安全的评测方法，其特征在于，所述锂离子电池模组包括单体锂离子电池、锂离子电池组、带有电池管理模块的单体锂离子电池或带有电池管理模块的锂离子电池组。
9.一种锂离子电池模组运行安全的评测系统，其特征在于，至少包括：
状态模块，基于输入信号得到锂离子电池的实际状态；
状态预测模块，基于输入信号得到锂离子电池的预测状态；
运行状态判断模块，连接所述状态模块及所述状态预测模块，基于预设安全系数、锂离子电池模组的输出维数及预设的滑动窗口的长度计算窗口卡方检测的阈值，并基于所述实际状态、所述预测状态及所述窗口卡方检测的阈值判断锂离子电池模组运行状态是否异常，并记录运行异常时窗口卡方检测的运行时长；
安全系数计算模块，连接所述运行状态判断模块，基于运行异常时窗口卡方检测的运行时长组成的运行时长序列计算安全系数。
10.一种电子设备，其特征在于，至少包括：
互相通信连接的指令存储器和处理器；所述指令存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如权利要求1-7任一项所述的锂离子电池模组运行安全的评测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010461693.XA CN111537893A (zh) | 2020-05-27 | 2020-05-27 | 一种锂离子电池模组运行安全的评测方法、系统及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010461693.XA CN111537893A (zh) | 2020-05-27 | 2020-05-27 | 一种锂离子电池模组运行安全的评测方法、系统及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111537893A true CN111537893A (zh) | 2020-08-14 |
Family
ID=71976370
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010461693.XA Pending CN111537893A (zh) | 2020-05-27 | 2020-05-27 | 一种锂离子电池模组运行安全的评测方法、系统及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111537893A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112433157A (zh) * | 2020-10-29 | 2021-03-02 | 云南电网有限责任公司丽江供电局 | 动力锂电池的内短路与漏液故障的在线监测与区分系统 |
| CN113219361A (zh) * | 2021-03-16 | 2021-08-06 | 上海派能能源科技股份有限公司 | 一种基于分时回归分布的锂离子电池组异常自放电诊断方法及系统 |
| WO2023284039A1 (zh) * | 2021-07-13 | 2023-01-19 | 上海派能能源科技股份有限公司 | 锂电池组内部短路异常诊断方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103970124A (zh) * | 2014-04-29 | 2014-08-06 | 浙江大学 | 工业控制回路多周期振荡的在线检测方法 |
| CN104040627A (zh) * | 2011-12-22 | 2014-09-10 | 欧胜软件方案公司 | 用于风噪声检测的方法和设备 |
| TWI504911B (zh) * | 2014-06-06 | 2015-10-21 | Macronix Int Co Ltd | 晶圓測試特殊圖案及探針卡缺陷的檢驗方法 |
| CN105717419A (zh) * | 2016-04-21 | 2016-06-29 | 江苏省电力公司苏州供电公司 | 电力电缆故障行为的多重对应分析方法 |
| CN107220506A (zh) * | 2017-06-05 | 2017-09-29 | 东华大学 | 基于深度卷积神经网络的乳腺癌风险评估分析系统 |
| US20180165597A1 (en) * | 2016-12-08 | 2018-06-14 | Resurgo, Llc | Machine Learning Model Evaluation in Cyber Defense |
| CN111044906A (zh) * | 2019-12-10 | 2020-04-21 | 深圳市鹏诚新能源科技有限公司 | 一种基于极大似然准则的锂离子电池能量状态估算方法 |
| CN111146514A (zh) * | 2019-12-19 | 2020-05-12 | 上海派能能源科技股份有限公司 | 锂离子电池模组运行安全性评估预测方法、系统及电子设备 |
-
2020
- 2020-05-27 CN CN202010461693.XA patent/CN111537893A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104040627A (zh) * | 2011-12-22 | 2014-09-10 | 欧胜软件方案公司 | 用于风噪声检测的方法和设备 |
| CN103970124A (zh) * | 2014-04-29 | 2014-08-06 | 浙江大学 | 工业控制回路多周期振荡的在线检测方法 |
| TWI504911B (zh) * | 2014-06-06 | 2015-10-21 | Macronix Int Co Ltd | 晶圓測試特殊圖案及探針卡缺陷的檢驗方法 |
| CN105717419A (zh) * | 2016-04-21 | 2016-06-29 | 江苏省电力公司苏州供电公司 | 电力电缆故障行为的多重对应分析方法 |
| US20180165597A1 (en) * | 2016-12-08 | 2018-06-14 | Resurgo, Llc | Machine Learning Model Evaluation in Cyber Defense |
| CN107220506A (zh) * | 2017-06-05 | 2017-09-29 | 东华大学 | 基于深度卷积神经网络的乳腺癌风险评估分析系统 |
| CN111044906A (zh) * | 2019-12-10 | 2020-04-21 | 深圳市鹏诚新能源科技有限公司 | 一种基于极大似然准则的锂离子电池能量状态估算方法 |
| CN111146514A (zh) * | 2019-12-19 | 2020-05-12 | 上海派能能源科技股份有限公司 | 锂离子电池模组运行安全性评估预测方法、系统及电子设备 |
Non-Patent Citations (2)
| Title |
|---|
| REN DA等: "Failure Diagnosis Using the State Chi-square Test and the ARTMAP Neural Networks", 《PROCEEDINGS OF THE AMERICAN CONTROL CONFERENCES》 * |
| 杨朝辉: "基于卡方检验的SAR图像道路检测算法", 《计算机工程与设计》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112433157A (zh) * | 2020-10-29 | 2021-03-02 | 云南电网有限责任公司丽江供电局 | 动力锂电池的内短路与漏液故障的在线监测与区分系统 |
| CN112433157B (zh) * | 2020-10-29 | 2024-03-01 | 云南电网有限责任公司丽江供电局 | 动力锂电池的内短路与漏液故障的在线监测与区分系统 |
| CN113219361A (zh) * | 2021-03-16 | 2021-08-06 | 上海派能能源科技股份有限公司 | 一种基于分时回归分布的锂离子电池组异常自放电诊断方法及系统 |
| CN113219361B (zh) * | 2021-03-16 | 2024-02-27 | 上海派能能源科技股份有限公司 | 一种锂离子电池组异常自放电诊断方法及系统 |
| WO2023284039A1 (zh) * | 2021-07-13 | 2023-01-19 | 上海派能能源科技股份有限公司 | 锂电池组内部短路异常诊断方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111146514B (zh) | 锂离子电池模组运行安全性评估预测方法、系统及电子设备 | |
| Shang et al. | A multi-fault diagnosis method based on modified Sample Entropy for lithium-ion battery strings | |
| Kang et al. | A multi-fault diagnostic method based on an interleaved voltage measurement topology for series connected battery packs | |
| CN112098850B (zh) | 基于sdo算法的锂离子电池电压故障诊断方法及系统 | |
| CN111537893A (zh) | 一种锂离子电池模组运行安全的评测方法、系统及电子设备 | |
| CN111929602B (zh) | 一种基于容量估计的单体电池漏电或微短路定量诊断方法 | |
| Sun et al. | A multi-fault advanced diagnosis method based on sparse data observers for lithium-ion batteries | |
| Chang et al. | Electric vehicle battery pack micro-short circuit fault diagnosis based on charging voltage ranking evolution | |
| Yuan et al. | Early stage internal short circuit fault diagnosis for lithium-ion batteries based on local-outlier detection | |
| CN112345955B (zh) | 一种动力电池多故障在线诊断方法与系统 | |
| CN114559819A (zh) | 一种基于信号处理的电动汽车电池安全预警方法 | |
| CN111257753B (zh) | 一种电池系统故障诊断方法 | |
| CN115327386B (zh) | 一种基于电热耦合模型的电池组多故障诊断方法 | |
| CN115659799B (zh) | 一种具备阈值自适应功能的锂电储能电站故障诊断方法 | |
| CN113791364A (zh) | 模型融合信号驱动的锂离子电池内部短路诊断方法与系统 | |
| Ding et al. | Diagnosis of connection fault for parallel-connected lithium-ion batteries based on long short-term memory networks | |
| Yu et al. | Multi-Fault Diagnosis of Lithium-Ion battery systems based on correlation Coefficient and similarity Approaches | |
| Shang et al. | Research progress in fault detection of battery systems: A review | |
| Liao et al. | Fault diagnosis of lithium-ion batteries based on wavelet packet decomposition and Manhattan average distance | |
| CN113391214A (zh) | 一种基于电池充电电压排名变化的电池微故障诊断方法 | |
| Wu et al. | Research on short-circuit fault-diagnosis strategy of lithium-ion battery in an energy-storage system based on voltage cosine similarity | |
| Zhao et al. | Review of Lithium-Ion Battery Fault Features, Diagnosis Methods and Diagnosis Procedures | |
| Fang et al. | Early micro-short circuit fault diagnosis of lithium battery pack based on Pearson correlation coefficient and KPCA | |
| CN116930764A (zh) | 融合电力电子的锂电池储能系统故障诊断和危险预测方法 | |
| CN116184248A (zh) | 一种串联电池组的微小短路故障检测方法 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20221013 Address after: 201203 Pudong New Area, Shanghai, China (Shanghai) free trade trial area, 887 Lane 73, Chong Chong Road. Applicant after: PYLON TECHNOLOGIES Co.,Ltd. Address before: No.99 Haike Road, Zhangjiang High Tech Park, Pudong New Area, Shanghai 201210 Applicant before: SHANGHAI ADVANCED Research Institute CHINESE ACADEMY OF SCIENCES |
|
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200814 |