CN111638458A - 一种电芯故障的分析方法和装置 - Google Patents

一种电芯故障的分析方法和装置 Download PDF

Info

Publication number
CN111638458A
CN111638458A CN202010581942.9A CN202010581942A CN111638458A CN 111638458 A CN111638458 A CN 111638458A CN 202010581942 A CN202010581942 A CN 202010581942A CN 111638458 A CN111638458 A CN 111638458A
Authority
CN
China
Prior art keywords
probability
battery cell
target
cell
fault
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
CN202010581942.9A
Other languages
English (en)
Other versions
CN111638458B (zh
Inventor
黄兴伟
郑立奇
谢哲锋
郭玉彬
韩海滨
郑小凯
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.)
Guangzhou Xiaopeng Motors Technology Co Ltd
Original Assignee
Guangzhou Xiaopeng Motors 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 Guangzhou Xiaopeng Motors Technology Co Ltd filed Critical Guangzhou Xiaopeng Motors Technology Co Ltd
Priority to CN202010581942.9A priority Critical patent/CN111638458B/zh
Publication of CN111638458A publication Critical patent/CN111638458A/zh
Application granted granted Critical
Publication of CN111638458B publication Critical patent/CN111638458B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明实施例提供了一种电芯故障的分析方法和装置，所述方法应用于电池系统中，所述电池系统包括电池组，所述电池组包括至少一个电芯，所述的方法包括：当所述电池组发生故障时，确定本次发生故障的目标电芯；获取所述目标电芯上一次发生故障时的第一概率，所述第一概率是所述目标电芯上一次发生故障由电芯不良导致的概率；依据所述第一概率，确定所述目标电芯本次发生故障时的第二概率，所述第二概率是所述目标电芯本次发生故障由电芯不良导致的概率；依据所述第二概率，分析所述目标电芯本次故障是否由电芯不良导致。减少了资源的浪费，提高了检测效率，且采用了迭代学习方式提高了计算结果的可信度，进而提高了故障分析的准确性。

Description

一种电芯故障的分析方法和装置
技术领域
本发明涉及电池系统技术领域，特别是涉及一种电芯故障的分析方法和装置。
背景技术
动力电池作为移动能量载体，不断地在改变着人们智能化出行生活。通常，在日常使用中，是将多个电芯串联起来，组成一个电池组；然后将电池组装载于设备当中，以作为供能载体。
在电池组的生产过程中，存在种种原因，可能使得电池组内存在不良电芯；而不良电芯可能会导致电芯发生故障，从而使得电池组发生故障。如果没有及时发现电池组内不良电芯，而继续使用包含有不良电芯的电池组，可能会导致电池组短路、电池组内的电解液泄露、甚至电池组爆炸，威胁到使用者的安全。因此，如何及时准确地判定电池组的故障是由于电芯不良导致的，对于电池组的使用安全来说，尤为重要。
目前，在电池组发生故障时，主要是依靠人工直接对电池组进行检修排查，以确定电池组故障是否由电芯不良导致；会耗费大量的资源，且检测效率低。
发明内容
本发明实施例提供一种电芯故障的分析方法，以减少了检修资源的浪费，提高了电池组故障检测的效率。
相应的，本发明实施例还提供了一种电芯故障的分析装置，用以保证上述方法的实现及应用。
为了解决上述问题，本发明公开了一种电芯故障的分析方法，应用于电池系统中，所述电池系统包括电池组，所述电池组包括至少一个电芯，所述的方法包括：
当所述电池组发生故障时，确定本次发生故障的目标电芯；
获取所述目标电芯上一次发生故障时的第一概率，所述第一概率是所述目标电芯上一次发生故障由电芯不良导致的概率；
依据所述第一概率，确定所述目标电芯本次发生故障时的第二概率，所述第二概率是所述目标电芯本次发生故障由电芯不良导致的概率；
依据所述第二概率，分析所述目标电芯本次故障是否由电芯不良导致。
可选地，所述依据所述第一概率，确定所述目标电芯本次发生故障时的第二概率，包括：
获取所述目标电芯对应的第三概率和第四概率，所述第三概率是所述目标电芯为不良电芯的概率，所述第四概率是所述目标电芯本次发生故障是由其他故障因素导致的概率，所述其他故障因素是除电芯不良之外的故障因素；
依据所述目标电芯对应的第三概率、第四概率和第一概率，计算所述目标电芯本次发生故障时的第二概率。
可选地，所述依据所述第二概率，分析所述目标电芯本次故障是否由电芯不良导致，包括：
判断所述第二概率是否大于概率阈值；
当所述第二概率大于概率阈值时，确定所述目标电芯本次故障是由电芯不良导致。
可选地，还包括：
当判定所述目标电芯本次故障是由电芯不良导致时，进行电芯不良预警。
可选地，所述电池组发生的故障包括以下至少一种故障类型：电压差故障类、温度差故障类和电流差故障类。
可选地，所述依据所述目标电芯对应的第三概率、第四概率和第一概率，计算所述目标电芯本次发生故障时的第二概率，包括：
基于贝叶斯定理，依据所述目标电芯对应的第三概率、第四概率和第一概率，计算所述目标电芯本次发生故障时的第二概率。
本发明实施例还提供了一种电芯故障的分析装置，应用于电池系统中，所述电池系统包括电池组，所述电池组包括至少一个电芯，所述的装置包括：
电芯确定模块，用于当所述电池组发生故障时，确定本次发生故障的目标电芯；
获取模块，用于获取所述目标电芯上一次发生故障时的第一概率，所述第一概率是所述目标电芯上一次发生故障由电芯不良导致的概率；
概率确定模块，用于依据所述第一概率，确定所述目标电芯本次发生故障时的第二概率，所述第二概率是所述目标电芯本次发生故障由电芯不良导致的概率；
分析模块，用于依据所述第二概率，分析所述目标电芯本次故障是否由电芯不良导致。
可选地，所述概率确定模块包括：
概率获取子模块，用于获取所述目标电芯对应的第三概率和第四概率，所述第三概率是所述目标电芯为不良电芯的概率，所述第四概率是所述目标电芯本次发生故障是由其他故障因素导致的概率，所述其他故障因素是除电芯不良之外的故障因素；
计算子模块，用于依据所述目标电芯对应的第三概率、第四概率和第一概率，计算所述目标电芯本次发生故障时的第二概率。
可选地，所述分析模块包括：
判断子模块，用于判断所述第二概率是否大于概率阈值；
故障确定子模块，用于当所述第二概率大于概率阈值时，确定所述目标电芯本次故障是由电芯不良导致。
可选地，还包括：
预警模块，用于当判定所述目标电芯本次故障是由电芯不良导致时，进行电芯不良预警。
可选地，所述电池组发生的故障包括以下至少一种故障类型：电压差故障类、温度差故障类和电流差故障类。
可选地，所述计算子模块，用于基于贝叶斯定理，依据所述目标电芯对应的第三概率、第四概率和第一概率，计算所述目标电芯本次发生故障时的第二概率。
本发明实施例还提供了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如本发明实施例任一所述的电芯故障的分析方法。
与现有技术相比，本发明实施例包括以下优点：
本发明实施例中，当电池组发生故障时，确定本次发生故障的目标电芯后，可以获取目标电芯上一次发生故障由电芯不良导致的第一概率；然后依据第一概率，计算得到目标电芯本次发生故障由电芯不良导致的第二概率，再依据第二概率分析目标电芯本次故障是否由电芯不良导致的；进而通过采用电芯不良导致电芯故障的概率，对电芯的故障程度进行量化，分析电芯故障是否是由电芯不良导致的，减少了对电池组不必要的故障检修排查，减少了资源的浪费，提高了检测效率。且本发明还采用了迭代学习方式，确定目标电芯本次发生故障由电芯不良导致的概率，提高了计算结果的可信度，进而提高了故障分析的准确性。
附图说明
图1是本发明的一种电芯故障的分析方法实施例的步骤流程图；
图2是本发明的一种电芯故障的分析方法可选实施例的步骤流程图；
图3是本发明实施例的目标电芯发生故障次数与第二概率关系示意图；
图4是本发明的一种电芯故障的分析装置实施例的结构框图；
图5是本发明的一种电芯故障的分析装置可选实施例的结构框图。
具体实施方式
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。
本发明实施例提供的一种电芯故障的分析方法，可以应用于装载有电池组的设备中，其中，电池组包括至少一个电芯。通过该分析方法，可以在电芯发生故障时，通过所述目标电芯本次发生故障是由电芯不良导致的概率，分析电芯故障是否由电芯不良导致。
参照图1，示出了本发明的一种电芯故障的分析方法实施例的步骤流程图，具体可以包括如下步骤：
步骤102、当所述电池组发生故障时，确定本次发生故障的目标电芯。
本发明实施例中，电池组的故障可以包括多种，如电池组内各电芯的电压不一致，电池组内各电芯的温度不一致或温度过高，也可以是电池组内各电芯的电流不一致，所述电池组的故障可以包括上述任意一种故障，也可以是上述故障任意多种混合的混合故障，本发明实施例对此不作限制。
当检测到电池组发生故障时，通过对电池组内的电芯进行测量，确定本次发生故障的目标电芯，进而计算目标电芯本次发生故障由电芯不良导致的概率，并依据计算得到的概率确定本次故障是否由电芯不良导致，可以参照步骤104-步骤108。
步骤104、获取所述目标电芯上一次发生故障时的第一概率，所述第一概率是所述目标电芯上一次发生故障由电芯不良导致的概率。
步骤106、依据所述第一概率，确定所述目标电芯本次发生故障时的第二概率，所述第二概率是所述目标电芯本次发生故障由电芯不良导致的概率。
本发明实施例中，可以对电芯的故障程度进行量化，根据量化结果，分析电芯故障是否是由电芯不良导致的。本发明的一个示例中，可以采用电芯故障由电芯不良导致的概率，对电芯的故障程度进行量化；然后依据电芯故障由电芯不良导致的概率，分析电芯故障是否由电芯不良导致；进而无需在电池组每次故障时，人工对电池组进行不必要的故障检修排查，提高了故障检测效率，减少了资源的浪费。
本发明实施例中，可以采用迭代的方式，基于电芯上一次故障由电芯不良导致的概率，计算电芯本次故障由电芯不良导致的概率；以提高计算结果的可信度，进而提高分析结果的准确性。
因此，本发明实施例可以获取目标电芯上一次故障时，目标电芯故障由电芯不良导致的概率；其中，为了便于后续说明，可以将目标电芯上一次故障由电芯不良导致的概率称为第一概率。然后基于所述第一概率进行计算，确定所述目标电芯本次发生故障时，目标电芯故障由电芯不良导致的概率；其中，为了便于后续说明，可以将目标电芯本次故障由电芯不良导致的概率称为第二概率。
步骤108、依据所述第二概率，分析所述目标电芯本次故障是否由电芯不良导致。
本发明实施例中，可以通过计算得到的目标电芯本次故障是由电芯不良导致的概率，分析出目标电芯本次故障是否由电芯不良导致的。例如，可以预先设置一预设阈值，当第二概率大于预设阈值时，可以认为目标电芯本次故障是由电芯不良导致的；当第二概率小于或等于预设阈值时，可以认为目标电芯本次故障不是由电芯不良导致的；后续可以继续分析目标电芯的本次故障是否由其他故障因素导致。
后续分析出目标电芯本次故障是由电芯不良导致时，还可以发出电芯不良预警，以提醒用户目标电芯可能存在电芯不良的问题。
综上，本发明实施例中，当电池组发生故障时，确定本次发生故障的目标电芯后，可以获取目标电芯上一次发生故障由电芯不良导致的第一概率；然后依据第一概率，计算得到目标电芯本次发生故障由电芯不良导致的第二概率，再依据第二概率分析目标电芯本次故障是否由电芯不良导致的；进而通过采用电芯不良导致电芯故障的概率，对电芯的故障程度进行量化，分析电芯故障是否是由电芯不良导致的，减少了对电池组不必要的故障检修排查，减少了资源的浪费，提高了检测效率。且本发明还采用了迭代学习方式，确定目标电芯本次发生故障由电芯不良导致的概率，提高了计算结果的可信度，进而提高了故障分析的准确性。
参照图2，示出了本发明的一种电芯故障的分析方法可选实施例的步骤流程图，具体可以包括如下步骤：
步骤202、当所述电池组发生故障时，确定本次发生故障的目标电芯。
本发明实施例中，当确定电池组发生故障时，可以确定电池组的故障类型；然后基于电池组的故障类型，确定电池组内本次发生故障的目标电芯。其中，所述电池组发生的故障包括以下至少一种故障类型：电压差故障类、温度差故障类和电流差故障类。
其中，可以根据电池组的故障类型，测量各电芯的电芯参数，所述电芯参数可以包括以下至少一种：电压、电流和温度。当电池组的故障类型为电压差故障类时，则可以测量电池组内各电芯的电芯电压；然后依据电池组内各电芯的电芯电压，来确定目标电芯。其中，电池组可以是由多串电芯串联而成，一串电芯包括一个电芯或多个电芯；当一串电芯包括多个电芯时，这多个电芯并联组成一串电芯。例如，当电池组中每串电芯包括一个电芯时，可以计算相邻两串电芯对应电芯电压之间的差值；可以将差值大于压差阈值中电芯电压最小的电芯，确定为目标电芯。又例如，当电池组中每串电芯包括多个电芯时，可以计算每串电芯中两两电芯对应电芯电压之间的差值；若该串电芯中存在两两电芯对应电芯电压之间的差值大于压差阈值，则可以将该串电芯所包含的电芯，确定为目标电芯。
本发明实施例中，当电池组的故障类型为温度差故障类时，则可以测量电池组内各电芯的电芯温度；然后依据电池组内各电芯的电芯温度，来确定目标电芯。其中，依据电池组内各电芯的电芯温度，来确定目标电芯的方式，与上述依据电池组内各电芯的电芯电压，来确定目标电芯的方式类似，在此不再赘述。
本发明实施例中，当电池组的故障类型为电流差故障类时，则可以测量电池组内各电芯的电芯电流；然后依据电池组内各电芯的电芯电流，来确定目标电芯。其中，依据电池组内各电芯的电芯电流，来确定目标电芯的方式，与上述依据电池组内各电芯的电芯电压，来确定目标电芯的方式类似，在此不再赘述。
步骤204、获取所述目标电芯对应的第一概率。
步骤206、获取所述目标电芯对应的第三概率和第四概率。
步骤208、依据所述目标电芯对应的第三概率和第四概率，以及第一概率，计算所述目标电芯本次发生故障时的第二概率。
本发明实施例中，目标电芯的故障实际上可能是由多种故障因素导致的，例如：电芯的使用环境温度过高或过低导致电芯发生故障、充电模块异常导致电芯发生故障，电芯不良导致电芯发生故障等。为了能够准确计算出目标电芯本次发生故障是由电芯不良导致的概率，可以通过计算目标电芯故障是由电芯不良导致的概率，占目标电芯故障是由所有故障因素导致的概率的比例，确定目标电芯本次故障是由电芯不良导致的概率。
因此，可以获取目标电芯的第一概率、目标电芯为不良电芯的概率和目标电芯故障是由除电芯不良之外的其他故障因素导致的概率；为了便于后续说明，可以将目标电芯为不良电芯的概率称为第三概率；目标电芯本次发生故障是由除电芯不良之外的其他故障因素导致的概率称为第四概率。然后通过目标电芯对应的第三概率和第四概率，以及第一概率，计算出目标电芯本次发生故障时的第二概率。
本发明的一个可选实施例中，一种依据所述目标电芯对应的第三概率和第四概率，以及第一概率，计算所述目标电芯本次发生故障时的第二概率的方式可以包括：采用贝叶斯定理，依据所述目标电芯对应的第三概率和第四概率，以及第一概率，计算所述目标电芯本次发生故障时的第二概率。例如，可以依据以下公式进行计算：
P(n)(A|B)＝P(n-1)(A|B)*P(A)/{P(n-1)(A|B)*P(A)+P(B|-A)*[1-P(A)]}
其中：P(n-1)(A|B)表示第一概率；
P(n)(A|B)表示第二概率；
P(A)表示第三概率；
P(B|-A)表示第四概率；
n表示本次故障为目标电芯第n次发生故障，n为大于1的正整数；
随机事件A为电芯不良事件；
随机事件B为电芯发生故障事件；
随机事件-A为电芯为非不良电芯事件。
本发明实施例中，电池组在不同的生产过程中，都有可能导致生产出的电池组内存在不良电芯，例如：在电芯的生产过程中，因为生产工艺等原因，导致同批次生产的电芯会存在一定数量的不良电芯。又例如，在电芯的封装过程中，因为生产工艺等原因，也可能导致同批次生产的封装后的电芯中，会存在一定数量的封装后的不良电芯。还例如，在将封装后的电芯打包组装成电池组的时候，也可能存在一定数量的电池组中包含有封装后的不良电芯。其中，可以获取生产导致的不良电芯的数量占同批次所有电芯的比例(后续称为第五概率)；以及获取封装导致的不良电芯的数量占同批次所有封装后的电芯的比例(后续称为第六概率)；以及获取打包组装导致的含有封装后的不良电芯的电池组占同批次全部数量的电池组的比例(后续称为第七概率)。然后依据第五概率、第六概率、第七概率，计算出目标电芯对应批次的电芯的第三概率。
其中，第五概率、第六概率和第七概率可以通过在生产过程中统计，也可以在电池组出厂时，对电池组进行抽检确定，本发明实施例对此不作限制。
本发明实施例中，电池组中每个电芯具有对应的电芯标识，所述电芯标识可以唯一标识一个电芯。在确定目标电芯后，可以依据目标电芯对应的电芯标识，确定目标电芯对应的第一概率和第三概率。
本发明实施例中，在每次目标电芯或目标电芯对应批次电芯发生故障时，可以收集目标电芯或目标电芯对应批次电芯发生故障时导致电芯故障的因素；然后通过统计目标电芯或目标电芯对应批次电芯发生故障时，电芯故障是由除电芯不良外的其他故障因素导致的概率。进而在确定目标电芯后，可以依据目标电芯对应的电芯标识，从预先统计的目标电芯或目标电芯对应批次电芯发生故障时，电芯故障是由除电芯不良外的其他故障因素导致的概率中，获取目标电芯对应的第四概率。
其中，目标电芯本次发生故障也可能是目标电芯第一次发生故障，即本次发生故障前目标电芯从未发生过故障。此时可以将预先设置的初始概率作为第一概率，例如：在同批次电池组生产出来后，对电池组进行检测，确定当电池组发生故障时，有多少次故障是由电芯不良导致，进而计算出一个初始的电芯故障是由电芯不良导致的概率，作为目标电芯的第一概率；然后依据该第一概率，和获取的目标电芯对应的第三概率和第四概率，计算出目标电芯本次故障的第二概率，本发明实施例对此不作限制。
其中，针对属于同一串电芯的多个目标电芯，可以获取多个目标电芯的第三概率；然后可以将各目标电芯的第三概率进行平均，得到该串电芯对应的第三概率。以及可以获取该串电芯对应的第一概率和第四概率，然后依据该串电芯对应的第一概率、第三概率和第四概率，计算该串电芯对应的第二概率，进而得到该串电芯中各目标电芯对应的第二概率。
步骤210、判断所述第二概率是否大于概率阈值。
步骤212、当所述第二概率大于概率阈值时，确定所述目标电芯本次故障是否由电芯不良导致。
步骤214、当判定所述目标电芯本次故障是由电芯不良导致时，进行电芯不良预警。
本发明实施例中，针对电池组应用场景的安全性要求不同，可以预先设置不同的概率阈值，以此分析目标电芯本次故障是否是由电芯不良导致的。例如，电池组应用于车辆中，可以预先设置概率阈值为90％；若计算得到目标电芯的第二概率为91％，则可以确定目标电芯本次故障是由电芯不良导致的；然后可以发出电芯不良预警。例如，电池组应用于车辆，当分析确定目标电芯本次故障是由电芯不良导致的，则电池管理系统可以发出预警，告知用户当前有电芯为不良电芯，建议立即进行检修排查。其中，所述预警可以是多种方式如提示音、提示窗口、提示灯等，也可以是多种方式组合，本发明实施例对此不作限制。
本发明实施例中，当判定目标电芯本次故障不是由电芯不良导致时，可以保存本次故障计算得到的第二概率。当目标电芯下一次发生故障时，可以将本次保存的第二概率，作为第一概率，然后再次执行步骤204-步骤212，计算下一次目标电芯发生故障时的第二概率，分析目标电芯下一次发生故障是否是由电芯不良导致的，本发明实施例对此不作限制。
图3中，假设目标电芯第一次发生故障时的第一概率为95％，第三概率为0.01156％，第四概率为95ppm(parts per million，百万分比)，依据贝叶斯定理计算得到P(1)(A|B)为2.15％；目标电芯发生第二次故障时，将目标电芯第一次的故障的第二概率作为目标电芯第二次故障的第一概率，重新计算得到P(2)(A|B)为80.98％；以此类推，P(3)(A|B)为99.38％，P(4)(A|B)为99.494％，P(5)(A|B)为99.495％。可以发现，当同一电芯多次发生故障时，计算出的第二概率会越来越大，通过分析可知，多次的迭代学习之后，计算出的第二概率越来越大，当进行足够多次的迭代学习后，可以认为计算出的第二概率的可信度也足够高，因此可以依据第二概率及时发出预警，提醒用户对电池组中多次发生故障的目标电芯进行排查，降低电芯不良导致电芯故障存在的风险问题。
综上，本发明实施例中，通过获取目标电芯对应的第三概率和第四概率，以及第一概率，然后可以基于贝叶斯定理，计算出目标电芯的第二概率，分析目标电芯当前故障是否由电芯不良导致；提高了计算结果的准确度，进而提高了故障分析的准确性。
其次，本发明实施例中，当依据计算出的第二概率确定目标电芯本次发生故障是由电芯不良导致的时，可以发出电芯不良预警，通过提前发现电芯可能存在的不良情况，避免了电芯不良带来的安全隐患，提高了电池组使用的安全性。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
参照图4，示出了本发明一种电芯故障的分析装置实施例的结构框图，具体可以包括如下模块：
电芯确定模块402，用于当所述电池组发生故障时，确定本次发生故障的目标电芯；
获取模块404，用于获取所述目标电芯上一次发生故障时的第一概率，所述第一概率是所述目标电芯上一次发生故障由电芯不良导致的概率；
概率确定模块406，用于依据所述第一概率，确定所述目标电芯本次发生故障时的第二概率，所述第二概率是所述目标电芯本次发生故障由电芯不良导致的概率；
分析模块408，用于依据所述第二概率，分析所述目标电芯本次故障是否由电芯不良导致。
参照图5，示出了本发明一种电芯故障的分析装置可选实施例的结构框图，具体可以包括如下模块：
本发明的一个可选实施例中，所述概率确定模块406包括：
概率获取子模块4062，用于获取所述目标电芯对应的第三概率和第四概率，所述第三概率是所述目标电芯为不良电芯的概率，所述第四概率是所述目标电芯本次发生故障是由其他故障因素导致的概率，所述其他故障因素是除电芯不良之外的故障因素；
计算子模块4064，用于依据所述目标电芯对应的第三概率、第四概率和第一概率，计算所述目标电芯本次发生故障时的第二概率。
本发明的一个可选实施例中，所述分析模块408包括：
判断子模块4082，用于判断所述第二概率是否大于概率阈值；
故障确定子模块4084，用于当所述第二概率大于概率阈值时，确定所述目标电芯本次故障是由电芯不良导致。
本发明的一个可选实施例中，所述的装置还包括：
预警模块410，用于当判定所述目标电芯本次故障是由电芯不良导致时，进行电芯不良预警。
本发明的一个可选实施例中，所述电池组发生的故障包括以下至少一种故障类型：电压差故障类、温度差故障类和电流差故障类。
本发明的一个可选实施例中，所述计算子模块4084，用于基于贝叶斯定理，依据所述目标电芯对应的第三概率、第四概率和第一概率，计算所述目标电芯本次发生故障时的第二概率。
本发明实施例中，当电池组发生故障时，确定本次发生故障的目标电芯后，可以获取目标电芯上一次发生故障由电芯不良导致的第一概率；然后依据第一概率，计算得到目标电芯本次发生故障由电芯不良导致的第二概率，再依据第二概率分析目标电芯本次故障是否由电芯不良导致的；进而通过采用电芯不良导致电芯故障的概率，对电芯的故障程度进行量化，分析电芯故障是否是由电芯不良导致的，减少了对电池组不必要的故障检修排查，减少了资源的浪费，提高了检测效率。且本发明还采用了迭代学习方式，确定目标电芯本次发生故障由电芯不良导致的概率，提高了计算结果的可信度，进而提高了故障分析的准确性。
其次，本发明实施例中，当依据计算出的第二概率确定目标电芯本次发生故障是由电芯不良导致的时，可以发出电芯不良预警，通过提前发现电芯可能存在的不良情况，避免了电芯不良带来的安全隐患，提高了电池组使用的安全性。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明实施例还提供了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如本发明实施例任一所述的电芯故障的分析方法。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种电芯故障的分析方法和一种电芯故障的分析装置，进行了详细介绍，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)

1.一种电芯故障的分析方法，其特征在于，应用于电池系统中，所述电池系统包括电池组，所述电池组包括至少一个电芯，所述的方法包括：
当所述电池组发生故障时，确定本次发生故障的目标电芯；
获取所述目标电芯上一次发生故障时的第一概率，所述第一概率是所述目标电芯上一次发生故障由电芯不良导致的概率；
依据所述第一概率，确定所述目标电芯本次发生故障时的第二概率，所述第二概率是所述目标电芯本次发生故障由电芯不良导致的概率；
依据所述第二概率，分析所述目标电芯本次故障是否由电芯不良导致。
2.根据权利要求1所述的方法，其特征在于，所述依据所述第一概率，确定所述目标电芯本次发生故障时的第二概率，包括：
获取所述目标电芯对应的第三概率和第四概率，所述第三概率是所述目标电芯为不良电芯的概率，所述第四概率是所述目标电芯本次发生故障是由其他故障因素导致的概率，所述其他故障因素是除电芯不良之外的故障因素；
依据所述目标电芯对应的第三概率、第四概率和第一概率，计算所述目标电芯本次发生故障时的第二概率。
3.根据权利要求1所述的方法，其特征在于，所述依据所述第二概率，分析所述目标电芯本次故障是否由电芯不良导致，包括：
判断所述第二概率是否大于概率阈值；
当所述第二概率大于概率阈值时，确定所述目标电芯本次故障是由电芯不良导致。
4.根据权利要求1所述的方法，其特征在于，还包括：
当判定所述目标电芯本次故障是由电芯不良导致时，进行电芯不良预警。
5.根据权利要求1所述的方法，其特征在于，所述电池组发生的故障包括以下至少一种故障类型：电压差故障类、温度差故障类和电流差故障类。
6.根据权利要求2所述的方法，其特征在于，所述依据所述目标电芯对应的第三概率、第四概率和第一概率，计算所述目标电芯本次发生故障时的第二概率，包括：
基于贝叶斯定理，依据所述目标电芯对应的第三概率、第四概率和第一概率，计算所述目标电芯本次发生故障时的第二概率。
7.一种电芯故障的分析装置，其特征在于，应用于电池系统中，所述电池系统包括电池组，所述电池组包括至少一个电芯，所述的装置包括：
电芯确定模块，用于当所述电池组发生故障时，确定本次发生故障的目标电芯；
获取模块，用于获取所述目标电芯上一次发生故障时的第一概率，所述第一概率是所述目标电芯上一次发生故障由电芯不良导致的概率；
概率确定模块，用于依据所述第一概率，确定所述目标电芯本次发生故障时的第二概率，所述第二概率是所述目标电芯本次发生故障由电芯不良导致的概率；
分析模块，用于依据所述第二概率，分析所述目标电芯本次故障是否由电芯不良导致。
8.根据权利要求7所述的装置，其特征在于，所述概率确定模块包括：
概率获取子模块，用于获取所述目标电芯对应的第三概率和第四概率，所述第三概率是所述目标电芯为不良电芯的概率，所述第四概率是所述目标电芯本次发生故障是由其他故障因素导致的概率，所述其他故障因素是除电芯不良之外的故障因素；
计算子模块，用于依据所述目标电芯对应的第三概率、第四概率和第一概率，计算所述目标电芯本次发生故障时的第二概率。
9.根据权利要求7所述的装置，其特征在于，所述分析模块包括：
判断子模块，用于判断所述第二概率是否大于概率阈值；
故障确定子模块，用于当所述第二概率大于概率阈值时，确定所述目标电芯本次故障是由电芯不良导致。
10.一种可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如方法权利要求1-6任一所述的电芯故障的分析方法。
CN202010581942.9A 2020-06-23 2020-06-23 一种电芯故障的分析方法和装置 Active CN111638458B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010581942.9A CN111638458B (zh) 2020-06-23 2020-06-23 一种电芯故障的分析方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010581942.9A CN111638458B (zh) 2020-06-23 2020-06-23 一种电芯故障的分析方法和装置

Publications (2)

Publication Number Publication Date
CN111638458A true CN111638458A (zh) 2020-09-08
CN111638458B CN111638458B (zh) 2022-08-16

Family

ID=72329301

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010581942.9A Active CN111638458B (zh) 2020-06-23 2020-06-23 一种电芯故障的分析方法和装置

Country Status (1)

Country Link
CN (1) CN111638458B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116432082A (zh) * 2023-03-29 2023-07-14 武汉理工大学 一种船舶故障特征分析方法、系统及存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009156533A1 (es) * 2008-06-10 2009-12-30 Metro De Madrid, S.A. Método para el diagnóstico de baterías en entornos dinámicos
CN103974299A (zh) * 2014-05-15 2014-08-06 华为技术有限公司 网络优化方法和装置
CN105468917A (zh) * 2015-12-01 2016-04-06 北京无线电计量测试研究所 一种管线故障预测方法及装置
CN109270461A (zh) * 2018-10-15 2019-01-25 四川长虹电器股份有限公司 基于贝叶斯网络的故障检测方法
CN109656239A (zh) * 2019-03-07 2019-04-19 长沙瑞纬电气有限公司 一种轨道机车网络控制系统故障诊断方法及其诊断装置
CN109765450A (zh) * 2019-03-21 2019-05-17 中国矿业大学 基于贝叶斯网络的开关磁阻电机驱动系统可靠性评估方法
CN109978229A (zh) * 2019-02-12 2019-07-05 常伟 一种对动力电池组全电芯多点温度及连接点温度进行热失控预测的方法
CN109981328A (zh) * 2017-12-28 2019-07-05 中国移动通信集团陕西有限公司 一种故障预警方法及装置
CN110286333A (zh) * 2019-06-18 2019-09-27 哈尔滨理工大学 一种锂动力电池系统故障诊断方法
CN110555477A (zh) * 2019-08-30 2019-12-10 青岛海信网络科技股份有限公司 一种市政设施故障预测方法及装置
CN110851342A (zh) * 2019-11-08 2020-02-28 中国工商银行股份有限公司 故障预测方法、装置、计算设备以及计算机可读存储介质
CN111091261A (zh) * 2019-10-14 2020-05-01 广东博力威科技股份有限公司 锂电池全生命周期管理的方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009156533A1 (es) * 2008-06-10 2009-12-30 Metro De Madrid, S.A. Método para el diagnóstico de baterías en entornos dinámicos
CN103974299A (zh) * 2014-05-15 2014-08-06 华为技术有限公司 网络优化方法和装置
CN105468917A (zh) * 2015-12-01 2016-04-06 北京无线电计量测试研究所 一种管线故障预测方法及装置
CN109981328A (zh) * 2017-12-28 2019-07-05 中国移动通信集团陕西有限公司 一种故障预警方法及装置
CN109270461A (zh) * 2018-10-15 2019-01-25 四川长虹电器股份有限公司 基于贝叶斯网络的故障检测方法
CN109978229A (zh) * 2019-02-12 2019-07-05 常伟 一种对动力电池组全电芯多点温度及连接点温度进行热失控预测的方法
CN109656239A (zh) * 2019-03-07 2019-04-19 长沙瑞纬电气有限公司 一种轨道机车网络控制系统故障诊断方法及其诊断装置
CN109765450A (zh) * 2019-03-21 2019-05-17 中国矿业大学 基于贝叶斯网络的开关磁阻电机驱动系统可靠性评估方法
CN110286333A (zh) * 2019-06-18 2019-09-27 哈尔滨理工大学 一种锂动力电池系统故障诊断方法
CN110555477A (zh) * 2019-08-30 2019-12-10 青岛海信网络科技股份有限公司 一种市政设施故障预测方法及装置
CN111091261A (zh) * 2019-10-14 2020-05-01 广东博力威科技股份有限公司 锂电池全生命周期管理的方法
CN110851342A (zh) * 2019-11-08 2020-02-28 中国工商银行股份有限公司 故障预测方法、装置、计算设备以及计算机可读存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116432082A (zh) * 2023-03-29 2023-07-14 武汉理工大学 一种船舶故障特征分析方法、系统及存储介质
CN116432082B (zh) * 2023-03-29 2024-01-09 武汉理工大学 一种船舶故障特征分析方法、系统及存储介质

Also Published As

Publication number Publication date
CN111638458B (zh) 2022-08-16

Similar Documents

Publication Publication Date Title
CN101720453B (zh) 利用时序信号处理进行电池组件预测维护的系统和方法
CN108931725B (zh) 一种电池故障检测的方法及装置
Sun et al. An online data-driven fault diagnosis and thermal runaway early warning for electric vehicle batteries
Baumann et al. Cloud-connected battery management for decision making on second-life of electric vehicle batteries
CN112487031B (zh) 单体电池故障检测方法、装置、可读存储介质及电子设备
CN111967620A (zh) 一种光伏组件诊断方法、装置、设备及可读存储介质
CN111638458B (zh) 一种电芯故障的分析方法和装置
CN113866641A (zh) 一种锂离子电池的故障检测方法及装置
CN111707943A (zh) 一种基于电池仿真的电动汽车充电故障预警方法和系统
CN117347869B (zh) 储能电池管理系统数据分析方法、装置、电子设备及介质
CN110324207A (zh) 一种数据采集终端的检测方法及装置
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
CN117031182A (zh) 配电站所终端遥测值异常检测方法及系统
CN102270278B (zh) 基于红外测温的设备故障的预测方法及装置
CN114200331B (zh) 车辆电池的检测方法、装置、车辆以及存储介质
CN117310500A (zh) 电池状态分类模型构建方法及电池状态分类方法
CN115792636A (zh) 一种基于电压最值的电池组微小故障定量诊断方法及系统
CN115758066A (zh) 一种统计变压器全寿命周期内碳排放量的方法
CN114743703A (zh) 核电站机组的可靠性分析方法、装置、设备和存储介质
CN116243165A (zh) 确定电池一致性的方法、装置、计算设备及车辆
Gupta et al. Degradation modeling and reliability assessment of capacitors
CN111969952A (zh) 光伏组串的故障检测方法、装置、设备以及计算机可读存储介质
CN117648612B (zh) 并联电池组故障检测方法、装置、电子设备和存储介质
Dunn et al. A P-Value Approach for Real-Time Identifying the Capacity Regeneration Phenomenon of Lithium-ion Batteries
KR102601667B1 (ko) 산업용 리유즈 배터리 검사 시스템 및 그 방법

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