CN112319309B - 一种动力电池的故障诊断方法及系统 - Google Patents
一种动力电池的故障诊断方法及系统 Download PDFInfo
- Publication number
- CN112319309B CN112319309B CN202011215537.1A CN202011215537A CN112319309B CN 112319309 B CN112319309 B CN 112319309B CN 202011215537 A CN202011215537 A CN 202011215537A CN 112319309 B CN112319309 B CN 112319309B
- Authority
- CN
- China
- Prior art keywords
- voltage
- battery
- determining
- relative entropy
- voltage data
- 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.)
- Active
Links
Images
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
- B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
-
- 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
- B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
- B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
- B60L3/0046—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train relating to electric energy storage systems, e.g. batteries or capacitors
-
- 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
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/54—Drive Train control parameters related to batteries
-
- 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
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/54—Drive Train control parameters related to batteries
- B60L2240/547—Voltage
-
- 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
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及一种动力电池的故障诊断方法及系统。该方法包括:获取任一时间段中动力电池内所有电池单体每个时刻的电压数据;对电压数据进行预处理,确定预处理后的电压数据;根据预处理后的电压数据确定所有电池单体的最大电压以及最小电压,并根据最大电压以及最小电压对所述时间段进行分割,确定电压分割区间;确定任一电池单体在时间段内每个时刻的预处理后的电压数据落入任一所述电压分割区间的电压个数;根据电压个数确定任一电池单体落入任一电压分割区间的概率分布;根据概率分布确定第一相对熵以及第二相对熵;根据所有电池单体的第一相对熵以及第二相对熵构建相对熵矩阵;根据所述相对熵矩阵确定异常单体。本发明能够提高故障诊断精度。
Description
技术领域
本发明涉及动力电池的故障诊断领域,特别是涉及一种动力电池的故障诊断方法及系统。
背景技术
近年来,我国电动汽车产业规模迅速扩大,电动汽车产品自燃事故频发,安全性问题日益凸显,仅2019年一年,国内共发生电动汽车着火事故120余起,其中90%以上由动力电池导致,因而基于动力电池故障诊断具有迫切的现实意义。目前现有技术针对的是基于电压单体每时刻的离群特性忽略了时间维度的一致性判断,导致诊断结果准确率低,同时,现有的动力电池诊断方法只能在故障发生后进行故障诊断,无法早期故障预警,造成无法避免的灾难,且无法实现远程数据平台在线诊断电池故障。
发明内容
本发明的目的是提供一种动力电池的故障诊断方法及系统,以解决现有的动力电池诊断方法只能在故障发生后进行故障诊断,无法早期故障预警以及无法实现远程数据平台在线诊断电池故障的问题。
为实现上述目的,本发明提供了如下方案:
一种动力电池的故障诊断方法,包括:
获取任一时间段中动力电池内所有电池单体每个时刻的电压数据;
对所述电压数据进行预处理,确定预处理后的电压数据;
根据所述预处理后的电压数据确定所有电池单体的最大电压以及最小电压,并根据所述最大电压以及所述最小电压对所述时间段进行分割,确定电压分割区间;
确定任一电池单体在所述时间段内每个时刻的预处理后的电压数据落入所述任一所述电压分割区间的电压个数;
根据所述电压个数确定任一所述电池单体落入任一所述电压分割区间的概率分布;
根据所述概率分布确定任意两个所述电池单体之间的第一相对熵以及任一所述电池单体与所述电池单体自身的第二相对熵;
根据所有电池单体的第一相对熵以及第二相对熵构建相对熵矩阵;
根据所述相对熵矩阵确定异常单体。
可选的,所述对所述电压数据进行预处理,确定预处理后的电压数据,具体包括:
判断所述电压数据是否在电压阈值范围内,得到第一判断结果;
若所述第一判断结果表示为所述电压数据在电压阈值范围内,确定所述电压数据为预处理后的电压数据;
若所述第一判断结果表示为所述电压数据未在电压阈值范围内,删除所述电压数据,并将剩余电压数据作为预处理后的电压数据。
可选的,所述根据所述预处理后的电压数据确定所有电池单体的最大电压以及最小电压,并根据所述最大电压以及所述最小电压对所述时间段进行分割,确定电压分割区间,具体包括:
基于所述电压分割区间个数对所述时间段进行分割,确定电压分割区间。
可选的,所述相对熵矩阵为:
dn,n为第二相对熵;n为电池单体的个数,i∈n,j∈n,i和j为电池单体的编号。
可选的,所述根据所述相对熵矩阵确定异常单体,具体包括:
基于所述相对熵矩阵的每一行相对熵,计算每一个所述电池单体的电池单体标准差;
基于所述相对熵矩阵,计算所有电池单体的动力电池标准差以及动力电池平均值;
当所述电池单体标准差满足Si>σ+3×aver时,记录满足上述条件的电池单体,并确定满足上述条件的电池单体为异常单体;其中,Si为电池单体标准差;σ为动力电池标准差;aver为动力电池平均值。
一种动力电池的故障诊断系统,包括:
电压数据获取模块,用于获取任一时间段中动力电池内所有电池单体每个时刻的电压数据;
预处理模块,用于对所述电压数据进行预处理,确定预处理后的电压数据;
电压分割区域确定模块,用于根据所述预处理后的电压数据确定所有电池单体的最大电压以及最小电压,并根据所述最大电压以及所述最小电压对所述时间段进行分割,确定电压分割区间;
电压个数确定模块,用于确定任一电池单体在所述时间段内每个时刻的预处理后的电压数据落入所述任一所述电压分割区间的电压个数;
概率分布确定模块,用于根据所述电压个数确定任一所述电池单体落入任一所述电压分割区间的概率分布;
第一相对熵以及第二相对熵确定模块,用于根据所述概率分布确定任意两个所述电池单体之间的第一相对熵以及任一所述电池单体与所述电池单体自身的第二相对熵;
相对熵矩阵构建模块,用于根据所有电池单体的第一相对熵以及第二相对熵构建相对熵矩阵;
异常单体确定模块,用于根据所述相对熵矩阵确定异常单体。
可选的,所述预处理模块,具体包括:
第一判断单元,用于判断所述电压数据是否在电压阈值范围内,得到第一判断结果;
预处理后的电压数据确定单元,用于若所述第一判断结果表示为所述电压数据在电压阈值范围内,确定所述电压数据为预处理后的电压数据;
电压数据删除单元,用于若所述第一判断结果表示为所述电压数据未在电压阈值范围内,删除所述电压数据,并将剩余电压数据作为预处理后的电压数据。
可选的,所述电压分割区间确定模块,具体包括:
基于所述电压分割区间个数对所述时间段进行分割,确定电压分割区间。
可选的,所述相对熵矩阵为:
dn,n为第二相对熵;n为电池单体的个数,i∈n,j∈n,i和j为电池单体的编号。
可选的,所述异常单体确定模块,具体包括:
电池单体标准差计算单元,用于基于所述相对熵矩阵的每一行相对熵,计算每一个所述电池单体的电池单体标准差;
动力电池标准差以及动力电池平均值确定单元,用于基于所述相对熵矩阵,计算所有电池单体的动力电池标准差以及动力电池平均值;
异常单体确定单元,用于当所述电池单体标准差满足Si>σ+3×aver时,记录满足上述条件的电池单体,并确定满足上述条件的电池单体为异常单体;其中,Si为电池单体标准差;σ为动力电池标准差;aver为动力电池平均值。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供了一种动力电池的故障诊断方法及系统,对任一时间段中动力电池内所有电池单体每个时刻的电压数据进行处理,基于计算电池单体之间相对熵的方法识别两个概率分布的差异性,注重一个时间段的单体间分布规律的差异性,计算结果精度更高,更有利于远程数据平台在线诊断电池故障;基于相对熵的识别方式识别电池系统中短路故障发生的单体,能够更早的定位故障单体,给予车辆报警,并防止整个车辆的热失控事件的发生。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所提供的动力电池的故障诊断方法流程图;
图2为本发明所提供的动力电池的故障诊断系统结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种动力电池的故障诊断方法及系统,能够提高故障诊断精度,更有利于远程数据平台在线诊断电池故障以及更早的定位故障单体。
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。
图1为本发明所提供的动力电池的故障诊断方法流程图,如图1所示,一种动力电池的故障诊断方法,包括:
步骤101:获取任一时间段中动力电池内所有电池单体每个时刻的电压数据。
步骤102:对所述电压数据进行预处理,确定预处理后的电压数据。
所述步骤102具体包括:判断所述电压数据是否在电压阈值范围内,若是,确定所述电压数据为预处理后的电压数据;若否,删除所述电压数据,并将剩余电压数据作为预处理后的电压数据。
获取动力电池所有单体电压数据,进行预处理,一帧代表一个时刻,电池系统有n个电池单体,由于电池单体的正常工作范围为2.5-4.3V之间,因此,如果每一帧只要有某个单体电压在2V以下或者4.5V以上,该帧全部数据将被删除,以去除传输异常的数据。形成t1时刻到t2时刻n个单体的电压向量Ut1~t2=(U1 t1~t2,U2 t1~t2,…,Un t1~t2),第i个单体电压向量为Ui t1~t2=(ui t1~t2,ui t1~t2,…,ui t1~t2),其中t2>t1;i为任意单体的编号。
步骤103:根据所述预处理后的电压数据确定所有电池单体的最大电压以及最小电压,并根据所述最大电压以及所述最小电压对所述时间段进行分割,确定电压分割区间。
所述步骤103具体包括:根据公式确定电压分割区间个数;其中,Vmax为最大电压;Vmin为最小电压;l为电压分割区间个数;bin为分割区间长度;基于所述电压分割区间个数对所述时间段进行分割,确定电压分割区间。
步骤104:确定任一电池单体在所述时间段内每个时刻的预处理后的电压数据落入所述任一所述电压分割区间的电压个数。
形成上述每个区间后,计算第i个单体落在这个区间的个数:
Bi t1~t2=(Bi 1,Bi m,…,Bi l)
其中,Bi t1~t2代表第i个单体在t1到t2时间段内,落在l个区间个数。
例如:l=5,即划分了5个区间,那一个区间范围为[Vmin,Vmin·+1*bin)假设为[3,3.2),第二个区间为[Vmin,Vmin·+2*bin),假设为[3.2,3.4),依次类推,形成5个区间范围。
第i个单体在t1到t2时间段内有可能有5个电压数值,若5个电压数值为3.1V,3.1V,3.1V,3.3V,3.3V,那么落入第一区间个数就是3个,第二区间就是2个。
即:Bi t1~t2=(3,2,0,0,0)
步骤105:根据所述电压个数确定任一所述电池单体落入任一所述电压分割区间的概率分布。
利用每个电压分割区间的个数除以总个数得到概率分布:Pi t1~t2=(3/5,2/5,0,0,0);Pi t1~t2为第i个电池单体在t1到t2时间段内的概率分布。
因此,计算i个单体落在第m个区间概率为Pi m=Bi m/(Bi 1+…+Bi m+…+Bi l);其中m代表第m个分割区间。由此可以得到在t1到t2时间段内第i个单体的概率分布,Pi t1~t2=(Pi 1,Pi m,…,Pi l)。
步骤106:根据所述概率分布确定任意两个所述电池单体之间的第一相对熵以及任一所述电池单体与所述电池单体自身的第二相对熵。
步骤107:根据所有电池单体的第一相对熵以及第二相对熵构建相对熵矩阵。
两两电池单体形成一对后,按照di,j=D(i,j)(Pi t1~t2||Pj t1~t2),计算相对熵,计算完毕后形成结果相对熵矩阵D;di,j表示第i个单体对第j个单体的相对熵,D(i,j)为相对熵的符号,其中,根据公式计算D(i,j)(Pi t1~t2||Pj t1~t2)。
步骤108:根据所述相对熵矩阵确定异常单体。
所述步骤108具体包括:基于所述相对熵矩阵的每一行相对熵,计算每一个所述电池单体的电池单体标准差;基于所述相对熵矩阵,计算所有电池单体的动力电池标准差以及动力电池平均值;当所述电池单体标准差满足Si>σ+3×aver时,记录满足上述条件的电池单体,并确定满足上述条件的电池单体为异常单体;其中,Si为电池单体标准差;σ为动力电池标准差;aver为动力电池平均值。
计算第i个单体的与其他所有单体相对熵结果后的电池单体标准差:
Si=std{di,1,…di,n}
形成S1到Sn,计算S1到Sn的动力电池标准差σ和动力电池平均值aver。如果Si>σ+3*aver,则记录该单体的编号,判断为异常单体。
图2为本发明所提供的动力电池的故障诊断系统结构图,如图2所示,一种动力电池的故障诊断系统,包括:
电压数据获取模块201,用于获取任一时间段中动力电池内所有电池单体每个时刻的电压数据。
预处理模块202,用于对所述电压数据进行预处理,确定预处理后的电压数据。
所述预处理模块202,具体包括:第一判断单元,用于判断所述电压数据是否在电压阈值范围内,得到第一判断结果;预处理后的电压数据确定单元,用于若所述第一判断结果表示为所述电压数据在电压阈值范围内,确定所述电压数据为预处理后的电压数据;电压数据删除单元,用于若所述第一判断结果表示为所述电压数据未在电压阈值范围内,删除所述电压数据,并将剩余电压数据作为预处理后的电压数据。
电压分割区域确定模块203,用于根据所述预处理后的电压数据确定所有电池单体的最大电压以及最小电压,并根据所述最大电压以及所述最小电压对所述时间段进行分割,确定电压分割区间。
所述电压分割区间确定模块203,具体包括:电压分割区间确定单元,用于根据公式确定电压分割区间个数;其中,Vmax为最大电压;Vmin为最小电压;l为电压分割区间个数;bin为分割区间长度;基于所述电压分割区间个数对所述时间段进行分割,确定电压分割区间。
电压个数确定模块204,用于确定任一电池单体在所述时间段内每个时刻的预处理后的电压数据落入所述任一所述电压分割区间的电压个数。
概率分布确定模块205,用于根据所述电压个数确定任一所述电池单体落入任一所述电压分割区间的概率分布。
第一相对熵以及第二相对熵确定模块206,用于根据所述概率分布确定任意两个所述电池单体之间的第一相对熵以及任一所述电池单体与所述电池单体自身的第二相对熵。
相对熵矩阵构建模块207,用于根据所有电池单体的第一相对熵以及第二相对熵构建相对熵矩阵。
异常单体确定模块208,用于根据所述相对熵矩阵确定异常单体。
所述异常单体确定模块208,具体包括:电池单体标准差计算单元,用于基于所述相对熵矩阵的每一行相对熵,计算每一个所述电池单体的电池单体标准差;动力电池标准差以及动力电池平均值确定单元,用于基于所述相对熵矩阵,计算所有电池单体的动力电池标准差以及动力电池平均值;异常单体确定单元,用于当所述电池单体标准差满足Si>σ+3×aver时,记录满足上述条件的电池单体,并确定满足上述条件的电池单体为异常单体;其中,Si为电池单体标准差;σ为动力电池标准差;aver为动力电池平均值。
本发明采用基于相对熵的故障诊断方法能够识别两个概率分布的差异性,更加注重一个时间段的单体间分布规律的差异性,计算结果精度更高,有利于远程数据平台在线诊断电池故障。本发明用于电动汽车动力电池上,可以识别电池系统中短路故障发生的单体,更早的定位故障单体,给予车辆报警,并防止整个车辆的热失控事件的发生。
本说明书中各个实施例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部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
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 (8)
1.一种动力电池的故障诊断方法,其特征在于,包括:
获取任一时间段中动力电池内所有电池单体每个时刻的电压数据;
对所述电压数据进行预处理,确定预处理后的电压数据;
根据所述预处理后的电压数据确定所有电池单体的最大电压以及最小电压,并根据所述最大电压以及所述最小电压对所述时间段进行分割,确定电压分割区间;
确定任一电池单体在所述时间段内每个时刻的预处理后的电压数据落入所述任一所述电压分割区间的电压个数;
根据所述电压个数确定任一所述电池单体落入任一所述电压分割区间的概率分布;
根据所述概率分布确定任意两个所述电池单体之间的第一相对熵以及任一所述电池单体与所述电池单体自身的第二相对熵;
根据所有电池单体的第一相对熵以及第二相对熵构建相对熵矩阵;
根据所述相对熵矩阵确定异常单体;
所述对所述电压数据进行预处理,确定预处理后的电压数据,具体包括:
判断所述电压数据是否在电压阈值范围内,得到第一判断结果;
若所述第一判断结果表示为所述电压数据在电压阈值范围内,确定所述电压数据为预处理后的电压数据;
若所述第一判断结果表示为所述电压数据未在电压阈值范围内,删除所述电压数据,并将剩余电压数据作为预处理后的电压数据。
4.根据权利要求1所述的动力电池的故障诊断方法,其特征在于,所述根据所述相对熵矩阵确定异常单体,具体包括:
基于所述相对熵矩阵的每一行相对熵,计算每一个所述电池单体的电池单体标准差;
基于所述相对熵矩阵,计算所有电池单体的动力电池标准差以及动力电池平均值;
当所述电池单体标准差满足Si>σ+3×aver时,记录满足上述条件的电池单体,并确定满足上述条件的电池单体为异常单体;其中,Si为电池单体标准差;σ为动力电池标准差;aver为动力电池平均值。
5.一种动力电池的故障诊断系统,其特征在于,包括:
电压数据获取模块,用于获取任一时间段中动力电池内所有电池单体每个时刻的电压数据;
预处理模块,用于对所述电压数据进行预处理,确定预处理后的电压数据;
电压分割区域确定模块,用于根据所述预处理后的电压数据确定所有电池单体的最大电压以及最小电压,并根据所述最大电压以及所述最小电压对所述时间段进行分割,确定电压分割区间;
电压个数确定模块,用于确定任一电池单体在所述时间段内每个时刻的预处理后的电压数据落入所述任一所述电压分割区间的电压个数;
概率分布确定模块,用于根据所述电压个数确定任一所述电池单体落入任一所述电压分割区间的概率分布;
第一相对熵以及第二相对熵确定模块,用于根据所述概率分布确定任意两个所述电池单体之间的第一相对熵以及任一所述电池单体与所述电池单体自身的第二相对熵;
相对熵矩阵构建模块,用于根据所有电池单体的第一相对熵以及第二相对熵构建相对熵矩阵;
异常单体确定模块,用于根据所述相对熵矩阵确定异常单体;
所述预处理模块,具体包括:
第一判断单元,用于判断所述电压数据是否在电压阈值范围内,得到第一判断结果;
预处理后的电压数据确定单元,用于若所述第一判断结果表示为所述电压数据在电压阈值范围内,确定所述电压数据为预处理后的电压数据;
电压数据删除单元,用于若所述第一判断结果表示为所述电压数据未在电压阈值范围内,删除所述电压数据,并将剩余电压数据作为预处理后的电压数据。
8.根据权利要求5所述的动力电池的故障诊断系统,其特征在于,所述异常单体确定模块,具体包括:
电池单体标准差计算单元,用于基于所述相对熵矩阵的每一行相对熵,计算每一个所述电池单体的电池单体标准差;
动力电池标准差以及动力电池平均值确定单元,用于基于所述相对熵矩阵,计算所有电池单体的动力电池标准差以及动力电池平均值;
异常单体确定单元,用于当所述电池单体标准差满足Si>σ+3×aver时,记录满足上述条件的电池单体,并确定满足上述条件的电池单体为异常单体;其中,Si为电池单体标准差;σ为动力电池标准差;aver为动力电池平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011215537.1A CN112319309B (zh) | 2020-11-04 | 2020-11-04 | 一种动力电池的故障诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011215537.1A CN112319309B (zh) | 2020-11-04 | 2020-11-04 | 一种动力电池的故障诊断方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112319309A CN112319309A (zh) | 2021-02-05 |
CN112319309B true CN112319309B (zh) | 2021-12-31 |
Family
ID=74323718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011215537.1A Active CN112319309B (zh) | 2020-11-04 | 2020-11-04 | 一种动力电池的故障诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112319309B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113030763A (zh) * | 2021-02-20 | 2021-06-25 | 武汉云衡智能科技有限公司 | 一种车用动力电池一致性差异的潜在风险诊断系统 |
CN113459894B (zh) * | 2021-06-24 | 2023-11-10 | 北京理工大学 | 一种电动汽车电池安全预警方法及系统 |
CN113799611B (zh) * | 2021-09-26 | 2023-03-28 | 上汽通用五菱汽车股份有限公司 | 电动汽车电池诊断及控制方法、车载终端及可读存储介质 |
CN115877230A (zh) * | 2022-11-30 | 2023-03-31 | 上海玫克生储能科技有限公司 | 电池模组的故障确定方法、系统、设备和介质 |
CN116466241B (zh) * | 2023-05-06 | 2024-03-26 | 重庆标能瑞源储能技术研究院有限公司 | 一种单体电池热失控定位方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778280A (zh) * | 2014-01-08 | 2014-05-07 | 上海交通大学 | 具有模型主动更新策略的锂离子电池剩余寿命预测方法 |
CN107255787A (zh) * | 2017-06-22 | 2017-10-17 | 山东大学 | 基于信息熵的电池组不一致性综合评价方法及系统 |
CN107565571A (zh) * | 2017-09-21 | 2018-01-09 | 中国农业大学 | 一种判断电力系统静态电压稳定性的方法及装置 |
CN109765490A (zh) * | 2018-11-12 | 2019-05-17 | 北京理工大学 | 一种基于高维数据诊断的动力电池故障检测方法及系统 |
CN110412467A (zh) * | 2019-07-30 | 2019-11-05 | 重庆邮电大学 | 一种归一化互信息准则约束的锂电池故障数据筛选方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009070841A1 (en) * | 2007-12-05 | 2009-06-11 | It Au0801806Rsity Of Technology | Social multimedia management |
CN107576915B (zh) * | 2017-08-31 | 2019-12-17 | 北京新能源汽车股份有限公司 | 电池容量估算方法和装置 |
CN110991826B (zh) * | 2019-11-18 | 2022-11-01 | 国网浙江省电力有限公司电力科学研究院 | 一种评价低压电能表运行状态的方法 |
-
2020
- 2020-11-04 CN CN202011215537.1A patent/CN112319309B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778280A (zh) * | 2014-01-08 | 2014-05-07 | 上海交通大学 | 具有模型主动更新策略的锂离子电池剩余寿命预测方法 |
CN107255787A (zh) * | 2017-06-22 | 2017-10-17 | 山东大学 | 基于信息熵的电池组不一致性综合评价方法及系统 |
CN107565571A (zh) * | 2017-09-21 | 2018-01-09 | 中国农业大学 | 一种判断电力系统静态电压稳定性的方法及装置 |
CN109765490A (zh) * | 2018-11-12 | 2019-05-17 | 北京理工大学 | 一种基于高维数据诊断的动力电池故障检测方法及系统 |
CN110412467A (zh) * | 2019-07-30 | 2019-11-05 | 重庆邮电大学 | 一种归一化互信息准则约束的锂电池故障数据筛选方法 |
Non-Patent Citations (1)
Title |
---|
《电池循环衰减中的熵变和焓变研究》;熊永莲等;《研究与设计电源技术》;20161220;2321-2374 * |
Also Published As
Publication number | Publication date |
---|---|
CN112319309A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112319309B (zh) | 一种动力电池的故障诊断方法及系统 | |
CN110794305B (zh) | 一种动力电池故障诊断方法和系统 | |
US11959973B2 (en) | Multi-fault diagnosis method and system for battery packs based on corrected sample entropy | |
CN110148991B (zh) | 一种基于大数据的电池过充预警方法及系统 | |
CN112345955B (zh) | 一种动力电池多故障在线诊断方法与系统 | |
CN113791350B (zh) | 电池故障预测方法 | |
CN110749829B (zh) | 一种供电设备异常检测方法及装置 | |
CN112986839B (zh) | 基于置信区间的锂离子动力电池组的故障诊断方法与系统 | |
CN117341476B (zh) | 一种电池压差故障预警方法及系统 | |
CN112319308B (zh) | 一种动力电池多故障检测方法与系统 | |
CN113466721B (zh) | 锂离子电池的失效识别方法、装置、电子设备及介质 | |
CN113835032A (zh) | 一种纯电动汽车远程故障诊断及预警系统 | |
CN112213657A (zh) | 电池预警方法及系统 | |
CN114509678B (zh) | 一种基于大数据的动力电池热失控预测方法 | |
CN114895201A (zh) | 电池的监测方法和装置 | |
CN113406524A (zh) | 一种动力电池系统的不一致性故障诊断方法及系统 | |
CN113297033B (zh) | 基于云端监测数据的车辆电控系统健康评估方法和系统 | |
CN110837948B (zh) | 一种新能源汽车安全性指数评价方法 | |
CN111859710A (zh) | 一种量化安全的累计风险模型建模方法 | |
CN115320443B (zh) | 一种用于新能源汽车的充电桩控制方法 | |
CN116142029A (zh) | 一种动力电池安全预警方法、装置及汽车 | |
CN115561658A (zh) | 一种基于数据切片的动力电池异常电芯监测方法 | |
CN114035056A (zh) | 一种动力电池性能检测方法、装置和设备 | |
CN114683963B (zh) | 一种电池安全预警方法、装置及设备 | |
CN113985287B (zh) | 一种电芯安全识别方法及装置 |
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 |