CN111999656A - 车辆电池内短路的检测方法、检测装置和电子设备 - Google Patents
车辆电池内短路的检测方法、检测装置和电子设备 Download PDFInfo
- Publication number
- CN111999656A CN111999656A CN202010889510.4A CN202010889510A CN111999656A CN 111999656 A CN111999656 A CN 111999656A CN 202010889510 A CN202010889510 A CN 202010889510A CN 111999656 A CN111999656 A CN 111999656A
- Authority
- CN
- China
- Prior art keywords
- battery
- voltage data
- short circuit
- regression coefficient
- regression
- 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
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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
-
- 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)
- Electric Propulsion And Braking For Vehicles (AREA)
- Secondary Cells (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本申请公开了一种车辆电池内短路的检测方法。检测方法包括:对所述电池的电压数据进行采样;对所述电压数据进行回归分析以得到回归系数;根据所述回归系数和预设定的回归系数阈值的比较结果检测所述电池是否存在内短路。本申请实施方式的车辆电池内短路的检测方法中,通过采集车辆电池的电压数据,对电压数据进行回归分析得到回归系数,并通过比较回归系数和预设定的回归系数阈值,检测车辆电池是否存在内短路,能够在内短路的初始阶段即检测到电池发生内短路的情况,实现电池内短路的实时预警,时效性较强。本申请还公开了一种检测装置、电子设备和存储介质。
Description
技术领域
本申请涉及车辆技术领域,特别涉及一种车辆电池内短路的检测方法、检测装置、电子设备和存储介质。
背景技术
电动汽车多采用锂离子电池作为其动力系统,锂离子电池的安全也影响着整车的安全。锂离子电池的安全隐患主要是由于内短路造成。在锂离子电池内短路的初始阶段,释放的热量尚不足以触发热失控,但随着汽车行驶等情况的持续进行,内短路程度加剧,可能在短时间内释放大量热量引发电池热失控。相关技术中,多通过检测电池的温升速率、压降速率等参数来监测电池的内短路,而这些方案都需要一定时间的持续监测,反而会放任电池由内短路的初始阶段发展到热失控,滞后性较大。
发明内容
有鉴于此,本申请的实施例提供了一种车辆电池内短路的检测方法、检测装置、电子设备和存储介质。
本申请提供了一种车辆电池内短路的检测方法,所述检测方法包括:
对所述电池的电压数据进行采样;
对所述电压数据进行回归分析以得到回归系数;
根据所述回归系数和预设定的回归系数阈值的比较结果检测所述电池是否存在内短路。
在某些实施方式中,所述对所述电池的电压数据进行采样包括:
持续对所述电池内的电芯的电压数据进行周期采样。
在某些实施方式中,所述对所述电压数据进行回归分析以得到回归系数包括:
对所述电压数据进行一元线性回归分析以得到所述回归系数。
在某些实施方式中,所述对所述电压数据进行一元线性回归分析以得到所述回归系数包括:
对每次采样的所述电压数据进行第一筛选处理以得到所述每次采样的电压数据中的最大值和最小值;
对经过所述第一筛选处理的电压数据进行一元线性回归分析以得到所述回归系数。
在某些实施方式中,所述对所述电压数据进行一元线性回归分析以得到所述回归系数包括:
对每次采样的所述电压数据进行第一筛选处理以得到所述每次采样的电压数据中的最大值和最小值;
根据预设定的荷电状态区间和预设定的电流区间对经过所述第一筛选处理的电压数据进行第二筛选处理;
对经过所述第二筛选处理的电压数据进行一元线性回归分析以得到所述回归系数。
在某些实施方式中,所述根据所述回归系数和预设定的回归系数阈值的比较结果检测所述电池是否存在内短路包括:
若所述回归系数小于所述回归系数阈值,确定所述电池存在内短路;
若所述回归系数大于或等于所述回归系数阈值,确定所述电池不存在所述内短路。
在某些实施方式中,所述检测方法还包括:
在确定所述电池存在内短路的情况下,生成限制车辆行驶功率的指令和/或推送电池异常的告警信息。
本申请提供了一种检测装置,用于检测车辆电池内短路,所述检测装置包括:
采样模块,用于对所述电池的电压数据进行采样;
分析模块,用于对所述电压数据进行回归分析以得到回归系数;
检测模块,用于根据所述回归系数和预设定的回归系数阈值的比较结果检测所述电池是否存在内短路。
本申请还提供了一种电子设备,包括一个或多个处理器,所述处理器用于:
对所述电池的电压数据进行采样;
对所述电压数据进行回归分析以得到回归系数;
根据所述回归系数和预设定的回归系数阈值的比较结果检测所述电池是否存在内短路。
本申请提供了一个或多个存储有计算机程序的非易失性计算机可读存储介质,当所述计算机程序被一个或多个处理器执行时,实现所述的车辆电池内短路的检测方法。
本申请实施方式的车辆电池内短路的检测方法、检测装置、电子设备和存储介质中,通过采集车辆电池的电压数据,对电压数据进行回归分析得到回归系数,并通过比较回归系数和预设定的回归系数阈值,检测车辆电池是否存在内短路,能够在内短路的初始阶段即检测到电池发生内短路的情况,实现电池内短路的实时预警,时效性较强。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是本申请某些实施方式的车辆电池内短路的检测方法的流程示意图。
图2是本申请某些实施方式的检测装置的模块示意图。
图3是本申请某些实施方式的车辆电池内短路的检测方法中对电压数据进行采样的流程示意图。
图4是本申请某些实施方式的车辆电池内短路的检测方法中对电压数据进行回归分析的流程示意图。
图5是本申请某些实施方式的车辆电池内短路的检测方法中对电压数据进行一元线性回归分析的流程示意图。
图6是本申请某些实施方式的车辆电池内短路的检测方法中对电压数据进行一元线性回归分析的又一流程示意图。
图7是本申请某些实施方式的车辆电池内短路的检测方法的SOC-OCV曲线示意图。
图8是本申请某些实施方式的车辆电池内短路的检测方法中对回归系数比较结果的判断的流程示意图。
图9是本申请某些实施方式的车辆电池内短路的检测方法中对发生内短路的车辆的后续处理的流程示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
请参阅图1,本申请提供一种车辆电池内短路的检测方法,包括:
S10:对电池的电压数据进行采样;
S20:对电压数据进行回归分析以得到回归系数;
S30:根据回归系数和预设定的回归系数阈值的比较结果检测电池是否存在内短路。
本申请实施方式提供了一种电子设备100。电子设备100包括处理器12。处理器12用于对电池的电压数据进行采样,及用于对电压数据进行回归分析以得到回归系数,以及用于根据回归系数和预设定的回归系数阈值的比较结果检测电池是否存在内短路。其中,处理器12可以是为检测车辆电池内短路而独立设置的处理器12,也可以是车辆行车系统的处理器12,在此不做限制。
请参阅图2,本申请实施方式还提供了一种检测装置110,本申请实施方式的车辆电池内短路的检测方法可以由检测装置110实现。检测装置110包括采样模块112、分析模块114和检测模块116。S10可以由采样模块112实现,S20可以由分析模块114实现,S30可以由检测模块116实现。或者说,采样模块112用于对电池的电压数据进行采样。分析模块114用于对电压数据进行回归分析以得到回归系数。检测模块116用于根据回归系数和预设定的回归系数阈值的比较结果检测电池是否存在内短路。
具体地,电池发生内短路时,电池电压会在较短时间内发生相应的变化。因此,根据电池电压数据的变化,能够反映电池的内短路存在情况。
电池管理系统(Battery Management System,BMS)采集车辆电池的电压数据,对电压数据进行回归分析,可以计算出相应的回归系数。将计算出的回归系数与预设定的回归系数阈值进行比较,根据比较结果,能够确定车辆电池是否存在内短路。
需要说明地,回归系数阈值可以根据电池系统或电芯的特性,例如电芯材料体系、电芯性能和电池模组的组合方式等以及实测数据、计算方式等因素确定。例如可以是-1.2、-0.8、-0.3、0.3、0.8、1.2等数值。
本申请实施方式的车辆电池内短路的检测方法、电子设备100和检测装置110中,通过采集车辆电池的电压数据,对电压数据进行回归分析得到回归系数,并通过比较回归系数和预设定的回归系数阈值,检测车辆电池是否存在内短路,能够在内短路的初始阶段即检测到电池发生内短路的情况,实现电池内短路的实时预警,时效性较强。
请参阅图3,在某些实施方式中,S10包括:
S11:持续对电池内的电芯的电压数据进行周期采样。
在某些实施方式中,S11可以由采样模块112实现。或者说,采样模块112用于持续对电池内的电芯的电压数据进行周期采样。
在某些实施方式中,处理器12用于持续对电池内的电芯的电压数据进行周期采样。
具体地,电池系统包括多个电池模组,电池模组内部包括多个电芯。可以认为,电池内短路的情况包括某个或多个电芯发生内短路的情况。采集的电芯电压数据可以根据电池内部设计、各电芯发生内短路的概率、处理器性能等参数设定,例如可以是采集电池模组内每个电芯的电压数据,也可以是电池模组内某个或某些电芯的电压数据,具体不做限定。
在用户使用车辆过程中,BMS持续地以相同的时间间隔采集电芯的电压数据,并将采集到的电压数据实时上传,对采集的电芯电压数据进行回归分析。通过对电压数据的回归分析,及时发现电芯内短路的情况,如此,在电池系统发生内短路时,能够尽快采取相应的措施,保障用户安全。
需要说明地,采集电芯电压数据的时间间隔可根据采样装置的特性,例如精度等以及车辆处理器性能、车辆使用状况等方面进行设定。例如可以是300毫秒、500毫秒、1000毫秒等。
在一些实施例中,用户较频繁使用车辆,或长时间以较大功率使用车辆,或车辆行驶路况较差时,车辆采集电芯电压数据的时间间隔较短。
在另一些实施例中,用户较少使用车辆,或车辆以较低功率工作较短时间时,车辆采集电芯电压数据的时间间隔较长。
如此,能够以较合适的频率采集车辆电池的电压数据,避免过多占用车辆系统的资源。在车辆电池反生内短路时,及时地将电芯电压数据反馈至车辆,并采取相应的措施,保障用户安全。
请参阅图4,在某些实施方式中,S20包括:
S21:对电压数据进行一元线性回归分析以得到回归系数。
在某些实施方式中,S21可以由分析模块114实现。或者说,分析模块114用于对电压数据进行一元线性回归分析以得到回归系数。
在某些实施方式中,处理器12用于对电压数据进行一元线性回归分析以得到回归系数。
具体地,在研究变量x与变量y的相互关系时,可以采用回归分析的方法。回归分析包括多种回归方法,例如线性回归、逻辑回归、偏最小二乘回归等。在本申请实施方式中,可以采用线性回归的方法分析电压数据。
线性回归分析法是当前研究和应用较多的分析方法,适用于绝大多数生活现象。因此,选用线性回归分析法,能够将多种影响因素,例如车辆电池的电芯电压之间的相关关系尽可能包括于模型中,提高分析结果的准确性。
线性回归分析包括一元线性回归和多元线性回归等。本申请实施方式中,可以采用一元线性回归的方法分析电压数据。可以理解地,对于同一个电池模组内的多个电芯,其电量消耗速率在某种程度上说是一致的,但多个电芯具体的电压值会由于多种因素,例如电芯材质的使用情况、电芯温湿度差异等而产生较小的区别。一般情况下,例如电芯未发生短路的情况下,同一电池模组内的多个电芯的电压相差较小。选用一元线性回归分析的方法,能够较直观地体现电芯电压数据的变化,且能够确保分析结果的准确性。
因此,对电芯的电压数据进行一元线性回归分析,得到回归系数。将回归系数与预设定的回归系数阈值进行比较,根据比较结果,确定车辆电池是否存在内短路。如此,能够较直观地体现电芯电压数据的变化,确保分析结果的准确性,在电芯发生短路时,及时通知用户,以尽快采取相应的措施,保障用户安全。
请参阅图5,在某些实施方式中,S21包括:
S211:对每次采样的电压数据进行第一筛选处理以得到每次采样的电压数据中的最大值和最小值。
S212:对经过第一筛选处理的电压数据进行一元线性回归分析以得到回归系数。
在某些实施方式中,S211和S212可以由分析模块114实现。或者说,分析模块114用于对每次采样的电压数据进行第一筛选处理以得到每次采样的电压数据中的最大值和最小值,以及用于对经过第一筛选处理的电压数据进行一元线性回归分析以得到回归系数。
在某些实施方式中,处理器12用于对每次采样的电压数据进行第一筛选处理以得到每次采样的电压数据中的最大值和最小值,以及用于对经过第一筛选处理的电压数据进行一元线性回归分析以得到回归系数。
具体地,对于同一个电池模组内的多个电芯,其电量消耗速率在某种程度上说是一致的,但多个电芯具体的电压值会由于多种因素,例如电芯材质的使用情况、电芯温湿度差异等而产生较小的区别。一般情况下,例如电芯未发生内短路的情况下,同一电池模组内的多个电芯的电压相差较小。若电池模组内某个电芯发生内短路,相较于正常电芯的电压值,发生内短路的电芯电压值较小,此时,同一电池模组内多个电芯的电压最大值和最小值相差较大。
在一些实施例中,车辆电池模组处于正常状态,此时BMS上传的同一电池模组内多个电芯的电压值相差较小。
在另一些实施例中,车辆电池模组内某个电芯发生内短路,发生内短路的电芯电压值降低,此时BMS上传的同一电池模组内多个电芯的电压值相差较大。
因此,在同一电池模组内多个电芯的电压数据中,只需筛选出电压数据中的最大值和最小值,对电压最大值和电压最小值进行一元线性回归分析。如此,能够简化分析过程,同时保证分析结果的准确性,在电芯发生短路时,能够及时通知用户,时效性更强。
在同一电池模组的多个电芯的电压数据中,筛选出电压最大值和电压最小值。通过对筛选后的电压数据进行一元线性回归分析,得出对应的回归系数,将得出的回归系数与预设定的回归系数阈值进行比较,根据比较结果,能够确定车辆电池是否存在内短路。
请参阅图6,在某些实施方式中,S21包括:
S213:对每次采样的电压数据进行第一筛选处理以得到每次采样的电压数据中的最大值和最小值。
S214:根据预设定的荷电状态区间和预设定的电流区间对经过第一筛选处理的电压数据进行第二筛选处理;
S215:对经过第二筛选处理的电压数据进行一元线性回归分析以得到回归系数。
在某些实施方式中,S213-S215可以由分析模块114实现。或者说,分析模块114用于对每次采样的电压数据进行第一筛选处理以得到每次采样的电压数据中的最大值和最小值,及用于根据预设定的荷电状态区间和预设定的电流区间对经过第一筛选处理的电压数据进行第二筛选处理,以及用于对经过第二筛选处理的电压数据进行一元线性回归分析以得到回归系数。
在某些实施方式中,处理器12用于对每次采样的电压数据进行第一筛选处理以得到每次采样的电压数据中的最大值和最小值,及用于根据预设定的荷电状态区间和预设定的电流区间对经过第一筛选处理的电压数据进行第二筛选处理,以及用于对经过第二筛选处理的电压数据进行一元线性回归分析以得到回归系数。
具体地,本实施方式的回归系数与前述经过第一筛选处理得到的回归系数相比,处理过程的原理大致相同,不同之处在于,根据预设定的荷电状态(State Of Charge,SOC)区间和预设定的电流区间,本实施方式的回归系数对经过第一筛选处理的电压数据进行第二筛选处理,如此,BMS采集到的电压数据精确度更高,能够进一步确保分析结果的准确性。
在SOC值为0%-100%的范围内,可以预设定多个SOC区间。具体SOC区间的设定可以根据用户用车习惯、电芯材料体系、电芯性能数据等因素综合划分,此处不做限定。例如,预设定的SOC区间可以是10%-30%、10%-50%、10%-80%、60-80%、60-100%、0%-100%等。
可以设定每一个SOC区间对应一个回归系数阈值,对于在预设定的SOC区间内采集的同一电池模组的多个电芯的电压数据,筛选出电压最大值和电压最小值,对电压最大值和电压最小值进行一元线性回归分析,得出对应SOC区间内的回归系数,将得出的回归系数与预设定的回归系数阈值进行比较,根据比较结果,能够确定车辆电池是否存在内短路。
可以理解,在车辆使用过程中,随着电池放电,车辆的SOC值逐渐降低,例如从80%降为60%。相应地,车辆电池的开路电压(Open Circuit Voltage,OCV)也降低一定值。
采集电池放电过程中多个SOC值和对应的OCV值,能够得到该电池的SOC-OCV曲线。由于车辆电池放电过程中会有电压平台期,在某些SOC区间内,SOC-OCV曲线的斜率较小,也即是说,在此区域内,较大的SOC变动才对应较少的OCV变化。而某些SOC区间内,SOC-OCV曲线的斜率较大,也即是说,在此区域内,较小的SOC变动对应较多的OCV变化。因此,可以选取SOC-OCV曲线的斜率较大的区间进行检测,在BMS采样精度相同的情况下,由于OCV变化幅度较大,BMS采集到的电压数据更精确,能够进一步确保分析结果的准确性。
请参阅图7,例如,车辆电池采用的电芯为高镍三元正极体系,根据电芯研发时测得的SOC-OCV曲线,在SOC值为10%-30%的区间,SOC-OCV曲线的斜率较大,在BMS采样精度相同的情况下,在10%-30%区间采集到的电压数据更精确,能够进一步确保分析结果的准确性。
进一步地,在车辆使用过程中,电流大小通常在某一范围内波动,过大的电流出现概率较低。选取较常见的电流区间,能够确保数据采集的连贯性。此外,在电流较小时,由于通过电阻的电流较小,各类电阻,例如电芯内阻、系统连接件接触电阻等对电压的影响较小,因此,在电流较小时采集的电压数据精确度较高。
因此,为确保数据采集的连贯性和准确性,可以选取较常见的、且数值较小的电流区间的电压数据进行采集。具体电流区间的范围可以根据用户用车习惯、电芯材料体系、电芯性能数据等因素综合设定,此处不做限定。例如,预设定的电流区间可以是10A-30A、30A-50A、10A-50A等。
在同一电池模组的多个电芯的电压数据中,筛选出电压最大值和电压最小值,并根据预设定的SOC区间和预设定的电流区间,对电压最大值和电压最小值进行筛选处理。通过对筛选后的电压数据进行一元线性回归分析,得出对应SOC区间内的回归系数,将得出的回归系数与预设定的回归系数阈值进行比较,根据比较结果,能够确定车辆电池是否存在内短路。
请参阅图8,在某些实施方式中,S30包括:
S31:若回归系数小于回归系数阈值,确定电池存在内短路;
S32:若回归系数大于或等于回归系数阈值,确定电池不存在内短路。
在某些实施方式中,S31和S32可以由检测模块116实现。或者说,检测模块116用于在回归系数小于回归系数阈值的情况下,确定电池存在内短路,以及用于在回归系数大于或等于回归系数阈值的情况下,确定电池不存在内短路。
在某些实施方式中,处理器12用于在回归系数小于回归系数阈值的情况下,确定电池存在内短路,以及用于在回归系数大于或等于回归系数阈值的情况下,确定电池不存在内短路。
具体地,以电压最大值为因变量y,电压最小值为自变量x。对电压最大值和电压最小值进行一元线性回归分析得到的分析模型为y=kx+b。
在某一SOC区间内,预设定的回归系数阈值为k0。前后两次采集的电压最大值分别为y1和y2,前后两次采集的电压最小值分别为x1和x2,此时对电压最大值和电压最小值进行回归分析,得到的回归系数k1=(y1-y2)/(x1-x2)。
若电池系统内某个电芯发生内短路,采集的电压最小值x2变小,根据k1=(y1-y2)/(x1-x2),此时k1<k0。因此,在该SOC区间内,回归系数k1小于回归系数阈值k0的情况下,确定电池存在内短路。反之,在回归系数k1大于或等于回归系数阈值k0的情况下,确定电池不存在内短路。
相应地,对于车辆使用过程中的其他SOC区间,在回归系数小于回归系数阈值的情况下,可以确定电池存在内短路。在回归系数大于或等于回归系数阈值的情况下,可以确定电池不存在内短路。
请参阅图9,在某些实施方式中,检测方法还包括:
S40:在确定电池存在内短路的情况下,生成限制车辆行驶功率的指令和/或推送电池异常的告警信息。
在某些实施方式中,S40可以由检测模块116实现。或者说,检测模块116用于在确定电池存在内短路的情况下,生成限制车辆行驶功率的指令和/或推送电池异常的告警信息。
在某些实施方式中,处理器12用于在确定电池存在内短路的情况下,生成限制车辆行驶功率的指令和/或推送电池异常的告警信息。
具体地,可以理解,确定车辆电池存在内短路后,生成限制车辆行驶功率的指令和/或推送电池异常的告警信息,能够在车辆电池发生热失控的初始阶段,及时采取相应措施,例如降低电池的输出功率,停止车辆运行等,使电池逐渐恢复至正常状态。
例如,确定车辆电池存在内短路后,生成限制车辆行驶功率的指令,并推送电池异常的告警信息,如此,能够自动控制车辆降低行驶功率,稳定电池的热失控情况,同时能够通知用户电池的运行情况,方便用户及时采取相应的措施。
本申请实施方式还提供了一种计算机可读存储介质。一个或多个存储有计算机程序的非易失性计算机可读存储介质,当计算机程序被一个或多个处理器执行时,实现上述任一实施方式的车辆电池内短路的检测方法。
本申请实施方式还提供了一种车辆。车辆包括存储器及一个或多个处理器,一个或多个程序被存储在存储器中,并且被配置成由一个或多个处理器执行。程序包括用于执行上述任意一项实施方式所述的车辆电池内短路的检测方法的指令。
处理器可用于提供计算和控制能力,支撑整个车辆的运行。车辆的存储器为存储器其中的计算机可读指令运行提供环境。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,程序可存储于一个或多个非易失性计算机可读存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种车辆电池内短路的检测方法,其特征在于,所述检测方法包括:
对所述电池的电压数据进行采样;
对所述电压数据进行回归分析以得到回归系数;
根据所述回归系数和预设定的回归系数阈值的比较结果检测所述电池是否存在内短路。
2.根据权利要求1所述的检测方法,其特征在于,所述对所述电池的电压数据进行采样包括:
持续对所述电池内的电芯的电压数据进行周期采样。
3.根据权利要求2所述的检测方法,其特征在于,所述对所述电压数据进行回归分析以得到回归系数包括:
对所述电压数据进行一元线性回归分析以得到所述回归系数。
4.根据权利要求3所述的检测方法,其特征在于,所述对所述电压数据进行一元线性回归分析以得到所述回归系数包括:
对每次采样的所述电压数据进行第一筛选处理以得到所述每次采样的电压数据中的最大值和最小值;
对经过所述第一筛选处理的电压数据进行一元线性回归分析以得到所述回归系数。
5.根据权利要求3所述的检测方法,其特征在于,所述对所述电压数据进行一元线性回归分析以得到所述回归系数包括:
对每次采样的所述电压数据进行第一筛选处理以得到所述每次采样的电压数据中的最大值和最小值;
根据预设定的荷电状态区间和预设定的电流区间对经过所述第一筛选处理的电压数据进行第二筛选处理;
对经过所述第二筛选处理的电压数据进行一元线性回归分析以得到所述回归系数。
6.根据权利要求1、4或5任一项所述的检测方法,其特征在于,所述根据所述回归系数和预设定的回归系数阈值的比较结果检测所述电池是否存在内短路包括:
若所述回归系数小于所述回归系数阈值,确定所述电池存在内短路;
若所述回归系数大于或等于所述回归系数阈值,确定所述电池不存在所述内短路。
7.根据权利要求1所述的检测方法,其特征在于,所述检测方法还包括:
在确定所述电池存在内短路的情况下,生成限制车辆行驶功率的指令和/或推送电池异常的告警信息。
8.一种检测装置,用于检测车辆电池内短路,其特征在于,所述检测装置包括:
采样模块,用于对所述电池的电压数据进行采样;
分析模块,用于对所述电压数据进行回归分析以得到回归系数;
检测模块,用于根据所述回归系数和预设定的回归系数阈值的比较结果检测所述电池是否存在内短路。
9.一种电子设备,其特征在于,包括一个或多个处理器,所述处理器用于:
对所述电池的电压数据进行采样;
对所述电压数据进行回归分析以得到回归系数;
根据所述回归系数和预设定的回归系数阈值的比较结果检测所述电池是否存在内短路。
10.一个或多个存储有计算机程序的非易失性计算机可读存储介质,当所述计算机程序被一个或多个处理器执行时,实现权利要求1-7中任意一项所述的车辆电池内短路的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010889510.4A CN111999656B (zh) | 2020-08-28 | 2020-08-28 | 车辆电池内短路的检测方法、检测装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010889510.4A CN111999656B (zh) | 2020-08-28 | 2020-08-28 | 车辆电池内短路的检测方法、检测装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111999656A true CN111999656A (zh) | 2020-11-27 |
CN111999656B CN111999656B (zh) | 2023-05-12 |
Family
ID=73466002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010889510.4A Active CN111999656B (zh) | 2020-08-28 | 2020-08-28 | 车辆电池内短路的检测方法、检测装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111999656B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112937303A (zh) * | 2021-02-08 | 2021-06-11 | 重庆长安新能源汽车科技有限公司 | 一种电池过热后实时在线预警方法及系统 |
CN113093018A (zh) * | 2021-03-09 | 2021-07-09 | 北京交通大学 | 一种锂离子电池瞬时内短路检测装置和方法 |
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 |
CN113291200A (zh) * | 2021-05-19 | 2021-08-24 | 广州小鹏汽车科技有限公司 | 一种车辆电池组件监测方法和装置 |
CN114660491A (zh) * | 2022-03-31 | 2022-06-24 | 同济大学 | 基于充电电压区间内电量增长的电池内短路定量诊断方法 |
CN114740359A (zh) * | 2022-03-31 | 2022-07-12 | 同济大学 | 基于电量估计的电池内短路诊断方法、装置及存储介质 |
CN114879048A (zh) * | 2022-05-30 | 2022-08-09 | 重庆金康赛力斯新能源汽车设计院有限公司 | 一种电池检测方法、装置、设备及存储介质 |
US20230055095A1 (en) * | 2021-08-18 | 2023-02-23 | GM Global Technology Operations LLC | Method and system for self-discharge prognostics for vehicle battery cells with an internal short circuit |
CN115943516A (zh) * | 2021-06-01 | 2023-04-07 | 广州汽车集团股份有限公司 | 车辆电池失衡的检测方法、装置、电子设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008179284A (ja) * | 2007-01-25 | 2008-08-07 | Toyota Motor Corp | 二次電池の劣化判定装置 |
CN103138017A (zh) * | 2011-12-02 | 2013-06-05 | 日产自动车株式会社 | 电池组的控制装置 |
CN107064803A (zh) * | 2016-12-16 | 2017-08-18 | 蔚来汽车有限公司 | 电池内短路的在线检测方法 |
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 |
CN108805217A (zh) * | 2018-06-20 | 2018-11-13 | 山东大学 | 一种基于支持向量机的锂离子电池健康状态估计方法及系统 |
CN109416379A (zh) * | 2016-04-22 | 2019-03-01 | 戴普赛斯股份公司 | 确定电力网多个测量节点之间的互感电压灵敏度系数的方法 |
CN110412479A (zh) * | 2018-04-26 | 2019-11-05 | 丰田自动车株式会社 | 电池信息处理系统、电池组、电池模块的容量算出方法以及电池组的制造方法 |
CN110764014A (zh) * | 2018-07-26 | 2020-02-07 | 东莞新能德科技有限公司 | 电池内短路的检测方法、装置、终端及可读存储介质 |
CN110780210A (zh) * | 2018-07-30 | 2020-02-11 | 广州小鹏汽车科技有限公司 | 一种电池包内短路检测方法、装置和电动汽车 |
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 |
CN111542759A (zh) * | 2018-01-11 | 2020-08-14 | 株式会社半导体能源研究所 | 二次电池的异常检测装置、异常检测方法以及程序 |
-
2020
- 2020-08-28 CN CN202010889510.4A patent/CN111999656B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008179284A (ja) * | 2007-01-25 | 2008-08-07 | Toyota Motor Corp | 二次電池の劣化判定装置 |
CN103138017A (zh) * | 2011-12-02 | 2013-06-05 | 日产自动车株式会社 | 电池组的控制装置 |
CN109416379A (zh) * | 2016-04-22 | 2019-03-01 | 戴普赛斯股份公司 | 确定电力网多个测量节点之间的互感电压灵敏度系数的方法 |
CN107064803A (zh) * | 2016-12-16 | 2017-08-18 | 蔚来汽车有限公司 | 电池内短路的在线检测方法 |
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 |
CN111542759A (zh) * | 2018-01-11 | 2020-08-14 | 株式会社半导体能源研究所 | 二次电池的异常检测装置、异常检测方法以及程序 |
CN110412479A (zh) * | 2018-04-26 | 2019-11-05 | 丰田自动车株式会社 | 电池信息处理系统、电池组、电池模块的容量算出方法以及电池组的制造方法 |
CN108805217A (zh) * | 2018-06-20 | 2018-11-13 | 山东大学 | 一种基于支持向量机的锂离子电池健康状态估计方法及系统 |
CN110764014A (zh) * | 2018-07-26 | 2020-02-07 | 东莞新能德科技有限公司 | 电池内短路的检测方法、装置、终端及可读存储介质 |
CN110780210A (zh) * | 2018-07-30 | 2020-02-11 | 广州小鹏汽车科技有限公司 | 一种电池包内短路检测方法、装置和电动汽车 |
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 |
Non-Patent Citations (3)
Title |
---|
RUI XIONG ETC.: "Toward a Safer Battery Management System: A Critical Review on Diagnosis and Prognosis of Battery Short Circuit", 《ISCIENCE》 * |
廖重文等: "电池容量与放分间的统计规律及机理", 《电池》 * |
杨明等: "基于最小二乘法则的回归分析在数据处理中的应用", 《辽宁工学院学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112937303A (zh) * | 2021-02-08 | 2021-06-11 | 重庆长安新能源汽车科技有限公司 | 一种电池过热后实时在线预警方法及系统 |
CN113093018A (zh) * | 2021-03-09 | 2021-07-09 | 北京交通大学 | 一种锂离子电池瞬时内短路检测装置和方法 |
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 |
CN113291200A (zh) * | 2021-05-19 | 2021-08-24 | 广州小鹏汽车科技有限公司 | 一种车辆电池组件监测方法和装置 |
CN115943516A (zh) * | 2021-06-01 | 2023-04-07 | 广州汽车集团股份有限公司 | 车辆电池失衡的检测方法、装置、电子设备及存储介质 |
CN115943516B (zh) * | 2021-06-01 | 2023-10-17 | 广州汽车集团股份有限公司 | 车辆电池失衡的检测方法、装置、电子设备及存储介质 |
US11733309B2 (en) * | 2021-08-18 | 2023-08-22 | GM Global Technology Operations LLC | Method and system for self-discharge prognostics for vehicle battery cells with an internal short circuit |
US20230055095A1 (en) * | 2021-08-18 | 2023-02-23 | GM Global Technology Operations LLC | Method and system for self-discharge prognostics for vehicle battery cells with an internal short circuit |
CN114740359A (zh) * | 2022-03-31 | 2022-07-12 | 同济大学 | 基于电量估计的电池内短路诊断方法、装置及存储介质 |
CN114660491A (zh) * | 2022-03-31 | 2022-06-24 | 同济大学 | 基于充电电压区间内电量增长的电池内短路定量诊断方法 |
CN114660491B (zh) * | 2022-03-31 | 2024-08-27 | 同济大学 | 基于充电电压区间内电量增长的电池内短路定量诊断方法 |
CN114879048A (zh) * | 2022-05-30 | 2022-08-09 | 重庆金康赛力斯新能源汽车设计院有限公司 | 一种电池检测方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111999656B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111999656B (zh) | 车辆电池内短路的检测方法、检测装置和电子设备 | |
TWI761083B (zh) | 動力電池內單體電池的短路監測方法、系統以及裝置 | |
KR102684286B1 (ko) | 배터리 진단 장치, 배터리 진단 방법, 배터리 팩 및 자동차 | |
CN114072684A (zh) | 在服务器侧表征能重复充电的电池 | |
CN109870650B (zh) | 电池监控方法及系统 | |
KR20160000317A (ko) | 배터리의 상태 정보를 학습 및 추정하는 장치 및 방법 | |
CN112505562B (zh) | 用于监测电池状态估计器的方法和装置 | |
KR20210080069A (ko) | 배터리 진단 장치 및 방법 | |
CN115190975A (zh) | 实时电池故障检测和健康的状态监控 | |
JP7515956B2 (ja) | 電池診断装置および方法 | |
KR20210141211A (ko) | 배터리를 진단하기 위한 장치 및 그 방법 | |
Sohn et al. | Two-stage deep learning for online prediction of knee-point in Li-ion battery capacity degradation | |
JP7546702B2 (ja) | バッテリー異常診断装置及び方法 | |
CN116643178B (zh) | 一种电池管理系统的soc估算方法及相关装置 | |
US12085626B2 (en) | Battery cell diagnosing apparatus and method | |
EP4040174A1 (en) | Device and method for diagnosing battery | |
CN113866641A (zh) | 一种锂离子电池的故障检测方法及装置 | |
CN110927609B (zh) | 梯次利用电池储能系统的衰退评估方法及装置 | |
KR20230105316A (ko) | 디지털 트윈을 사용하여 장치 외부의 중앙 유닛에서 장치 배터리의 배터리 셀을 효율적으로 모니터링하는 방법 및 시스템 | |
CN116125300A (zh) | 一种电池包异常监测方法、装置、电子设备及存储介质 | |
CN113376534B (zh) | 动力电池早期故障相平面诊断方法及超前预警系统 | |
JP2024500788A (ja) | 電池管理装置および方法 | |
CN117783872A (zh) | 动力电池的数据异常检测方法、装置、服务器及存储介质 | |
CN117471325A (zh) | 故障诊断方法及装置 | |
KR20230161377A (ko) | 배터리 진단 장치, 배터리 진단 방법, 배터리 팩 및 자동차 |
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 |