CN112394291A - 一种电池热失控预警方法及装置 - Google Patents

一种电池热失控预警方法及装置 Download PDF

Info

Publication number
CN112394291A
CN112394291A CN202011219933.1A CN202011219933A CN112394291A CN 112394291 A CN112394291 A CN 112394291A CN 202011219933 A CN202011219933 A CN 202011219933A CN 112394291 A CN112394291 A CN 112394291A
Authority
CN
China
Prior art keywords
thermal runaway
battery
early warning
time
real
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
Application number
CN202011219933.1A
Other languages
English (en)
Inventor
黄伟平
贺辉
蔡亚辉
李志�
彭永川
陈承鹤
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.)
GAC Aion New Energy Automobile Co Ltd
Original Assignee
Guangzhou Automobile Group 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 Automobile Group Co Ltd filed Critical Guangzhou Automobile Group Co Ltd
Priority to CN202011219933.1A priority Critical patent/CN112394291A/zh
Publication of CN112394291A publication Critical patent/CN112394291A/zh
Pending legal-status Critical Current

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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • 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
    • G01R31/005—Testing of electric installations on transport means
    • G01R31/006—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks
    • 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]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • 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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery

Abstract

本发明公开一种电池热失控预警方法及装置，其中，电池热失控预警方法包括：步骤S1，根据预设时间范围内的统计数据计算每个单体电池的漏电流；步骤S2，通过电池管理系统BMS实时采集电池热失控特征数据，并根据所述电池热失控特征数据获取是否发生热失控的实时诊断结果；步骤S3，根据所述每个单体电池的漏电流与诊断阈值的大小关系，或者根据所述实时诊断结果，判断是否发生热失控，并在判断发生热失控时进行预警。本发明贴近当前对热失控预警功能的实际需求，降低了热失控预警的误报和漏报概率，为用户逃离和售后救援预留了尽可能多的时间，大大提高电池热失控预警的可靠性。

Description

一种电池热失控预警方法及装置
技术领域
本发明属于新能源汽车技术领域，具体涉及一种电池热失控预警方法及装 置。
背景技术
动力电池突发燃烧爆炸是电池热失控的表现结果。电池热失控是指电池内 部出现放热连锁反应引起电池温升速率急剧变化的过热现象。热失控是电池安 全性问题的表现结果，而不是引起电池安全问题的原因，在电池发生内短路后， 电池内短路电流产生的焦耳热会引起电池温升，热量得不到及时散去，电池继 续温升就会触发电池连锁不受控反应，进而引发电池热失控。
当前，电池热失控预警主要由电池管理系统BMS实时监控电池的温度、电 压等物理量，实时进行热失控报警。这种方法存在以下缺陷：1)依赖于BMS 对电池温度和电压数据采集的可靠性，且仅靠电压和温度的数据特征有些情况 下是无法区分电池热失控故障和传感器电气故障(例如采样线断线故障，而发 生热失控时同样会导致采样线被烧断)；2)电压和温度数据仅在热失控快要发 生前很短一段时间内才会发生较剧烈的变化，仅靠识别这些剧烈变化的数据特 征，预留给发出预警信号告知车辆使用者撤离或者救援人员处理危险电池包的 时间就很短，仅有几分钟的时间。
发明内容
本发明实施例所要解决的技术问题在于，提供一种电池热失控预警方法及 装置，以降低热失控的误报和漏报概率，更早预警电池发生热失控的可能性。
为解决上述技术问题，本发明提供一种电池热失控预警方法，包括：
步骤S1，根据预设时间范围内的统计数据计算每个单体电池的漏电流；
步骤S2，通过电池管理系统BMS实时采集电池热失控特征数据，并根据 所述电池热失控特征数据获取是否发生热失控的实时诊断结果；
步骤S3，根据所述每个单体电池的漏电流与诊断阈值的大小关系，或者根 据所述实时诊断结果，判断是否发生热失控，并在判断发生热失控时进行预警。
进一步地，所述步骤S1具体包括：
根据预设时间范围内的两次充电数据计算每个单体电池的损失电量ΔAh；
根据两次充电之间的时间间隔Δt，按下式计算获得电池包内每个单体电池的 漏电流Ileakage：
Ileakage＝ΔAh/Δt。
进一步地，根据预设时间范围内的两次充电数据计算每个单体电池的损失 电量ΔAh的方式为：以整个电池包的最高单体电压的电池为参考电池，当电池 包达到满充截止电压，其他单体电池的电压为达到满充截止电压而须继续充入 的电量即为每个单体电池损失的电量ΔAh。
进一步地，所述步骤S3中根据所述每个单体电池的漏电流与诊断阈值的大 小关系，判断是否发生热失控具体是：
判断每个单体电池的漏电流是否大于漏电流预警初始阈值与电池健康状态 SOH的乘积，若是则判定发生热失控，否则判定未发生热失控。
进一步地，所述电池健康状态SOH根据BMS中存储的预设时间范围内的 历史停车时间记录矩阵和驾驶循环时间记录矩阵计算获得，其计算方式如下：
SOH(k)＝SOHinit(0)-degradation(k)
Figure BDA0002761647690000021
其中，SOHinit为电池健康状态初始值，α为电池日历寿命系数，β为电池循 环寿命系数，n和m均为常数，tij为不同荷电状态SOC和温度下停车时间所占 百分比，eij为不同SOC和温度下驾驶循环时间所占百分比，k为更新SOH的次 数。
进一步地，所述电池热失控特征数据包括：电池单体电压、模组温度；所 述步骤S2中根据所述电池热失控特征数据获取是否发生热失控的实时诊断结果， 具体是：
判断所述电池单体电压和模组温度的至少一个热失控子条件是否同时满足， 若是则获得发生热失控的实时诊断结果。
进一步地，所述电池热失控特征数据还包括：电池包内气压、电池包内烟 雾浓度；
当判断电池单体电压和模组温度中至少一个热失控子条件未同时满足时， 则再判断电池包内气压或电池包内烟雾浓度中至少一个热失控子条件是否满足， 若是则获得发生热失控的实时诊断结果，否则获得未发生热失控的实时诊断结 果。
进一步地，所述电池热失控预警方法还包括：
步骤S4，在所述步骤S3判断未发生热失控时，根据预设时间范围内的统计 数据计算历史严重故障加权因子；
步骤S5，根据所述历史严重故障加权因子与设定阈值的比较结果判断是否 发生热失控，并在判断发生热失控时进行预警。
进一步地，所述历史严重故障加权因子根据BMS中存储的预设时间范围内 的发生过的历史严重故障记录矩阵计算获得，其计算方式如下：
Figure BDA0002761647690000031
其中，δ为计算系数，k为常数，Cij为历史严重故障记录矩阵中不同故障所 占百分比。
本发明还提供一种电池热失控预警装置，包括：
漏电流计算模块，用于根据预设时间范围内的统计数据计算每个单体电池 的漏电流；
实时诊断模块，用于获取电池管理系统BMS实时采集的电池热失控特征数 据，并根据所述电池热失控特征数据获取是否发生热失控的实时诊断结果；
预警模块，用于根据所述每个单体电池的漏电流与诊断阈值的大小关系， 或者根据所述实时诊断结果，判断是否发生热失控，并在判断发生热失控时进 行预警。
进一步地，所述电池热失控预警装置还包括：
历史严重故障加权因子计算模块，用于在所述预警模块判断未发生热失控 时，根据预设时间范围内的统计数据计算历史严重故障加权因子；
所述预警模块还用于根据所述历史严重故障加权因子与设定阈值的比较结 果判断是否发生热失控，并在判断发生热失控时进行预警。
进一步地，所述历史严重故障加权因子根据BMS中存储的预设时间范围内 的发生过的历史严重故障记录矩阵计算获得，其计算方式如下：
Figure BDA0002761647690000041
其中，δ为计算系数，k为常数，Cij为历史严重故障记录矩阵中不同故障所 占百分比。
实施本发明具有如下有益效果：本发明综合记录电池使用的历史数据，通 过对历史数据的多维度评估，同时考虑漏电和电池老化的影响，提前预警可能 发生热失控的概率，大大提高了热失控预警方法的适用性；
本发明通过大量考察热失控触发时的数据特征，提取出了单体电压、模组 温度、电池包内气压以及电池包内烟雾浓度等特征物理量作为热失控判断子条 件，在组合条件判断时以不同特征物理量同时触发作为热失控预警决策准则， 降低因单一特征物理量的共因失效导致误报或漏报热失控预警的概率；
本发明贴近当前对热失控预警功能的实际需求，降低了热失控预警的误报 和漏报概率，为用户逃离和售后救援预留了尽可能多的时间，大大提高电池热 失控预警的可靠性。
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 例或现有技术描述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为本发明实施例一一种电池热失控预警方法的流程示意图。
图2是本发明实施例一中步骤S2的具体流程示意图。
具体实施方式
以下各实施例的说明是参考附图，用以示例本发明可以用以实施的特定实 施例。
请参照图1所示，本发明实施例一提供一种电池热失控预警方法，包括：
步骤S1，根据预设时间范围内的统计数据计算每个单体电池的漏电流；
步骤S2，通过电池管理系统BMS实时采集电池热失控特征数据，并根据 所述电池热失控特征数据获取是否发生热失控的实时诊断结果；
步骤S3，根据所述每个单体电池的漏电流与诊断阈值的大小关系，或者根 据所述实时诊断结果，判断是否发生热失控，并在判断发生热失控时进行预警。
具体地，本实施例中，预设时间范围为7天，即以7天的时间跨度的统计 数据进行热失控诊断。可以理解地，预设时间范围也可以标定为其它时长。
步骤S1具体是根据7天时间跨度的两次充电数据计算每个单体电池的损 失电量ΔAh，然后根据两次充电之间的时间间隔Δt(此处为≈7天)求得电池包 内每个单体电池的漏电流Ileakage，如下式所示：
Ileakage＝ΔAh/Δt
其中，根据7天时间跨度的两次充电数据计算每个单体电池的损失电量 ΔAh的方式为：以整个电池包的最高单体电压的电池为参考电池，当电池包达 到满充截止电压Vmax(其他单体电压由于一致性差异，与Vmax仍存在不同的 压差)，其他单体电池的电压要都达到满充截止电压Vmax而须继续充入的电量 即为每个单体电池损失的电量ΔAh。若电池包的温差较大，还需要排除温度差异 对充放电容量的影响，此时应以每个模组最高单体电压的电池为参考电池进行 计算ΔAh。
电池热失控的诊断阈值应根据电池健康状态SOH(State Of Health)来不断 进行调整，本发明实施例考虑根据电池的日历寿命和循环寿命来计算电池健康 状态SOH，具体是根据BMS中存储的7天历史停车时间记录矩阵([5×5])和 7天驾驶循环时间记录矩阵([5×5])，计算电池健康状态SOH，计算方式如下 式所示：
SOH(k)＝SOHinit(0)-degradation(k)
Figure BDA0002761647690000051
其中，SOHinit为电池健康状态初始值，α为电池日历寿命系数，可根据对电 池进行日历寿命测试的数据曲线拟合得到，β为电池循环寿命系数，可根据对电 池进行循环寿命测试数据的曲线拟合得到；n和m均为常数，通常都可以设为 0.5，tij为不同荷电状态SOC(State Of Charge)和温度下停车时间所占百分比， eij为不同SOC和温度下驾驶循环时间所占百分比，k为更新SOH的次数。
为了保证SOH的稳定性，本发明实施例采取开环模型的电池老化估计结果， 该开环模型的理论基于阿伦尼乌斯方程(Arrhenius Law)，其中历史停车时间记 录矩阵和历史驾驶循环时间记录矩阵形式可参考表1和表2：
表1历史停车时间记录矩阵
SOC％/T℃ ＜0℃ 0～15℃ 15～40℃ 40～55℃ ＞55℃
0～30％
30～50％
50～65％
65～85％
85～100％
需要说明的是，必须间隔一定时间(例如2h以上的停车时间，可根据不同 电池标定)后唤醒BMS才记录一次，短时间内的休眠唤醒不做记录。
表2历史驾驶循环时间记录矩阵
SOC％/T℃ ＜0℃ 0～15℃ 15～40℃ 40～55℃ ＞55℃
0～30％
30～50％
50～65％
65～85％
85～100％
在实际驾驶过程中，可以每间隔一定时间(例如2min，可标定)记录一次 数据。
本实施例计算SOH的作用在于，将其与漏电流预警初始阈值相乘，乘积可 作为与步骤S1计算得到的每个单体电池的漏电流Ileakage进行比较的诊断阈值。 漏电流预警初始阈值的设定可以参考电池出厂时给定的月漏电率额定值，例如 当前通常为月漏电率不超过3％，若本发明中每周(7天)的漏电就已经超过3％， 则认为是非常严重的漏电，存在热失控的风险比较高。
步骤S2中，BMS实时采集电池热失控特征数据并对电池热失控特征数据 进行有效性诊断。根据大量电池热失控数据分析，可选定为电池热失控特征数 据的特征物理量有：电池单体电压、模组温度、电池包内气压、电池包内烟雾 浓度；对电池热失控特征数据进行有效性诊断包括：传感器电气诊断(断线、 短路、漂移等)和传感器数据有效性诊断(是否符合该物理量的自然物理规律， 例如单位时间的变化速率或者幅值在特定工况下不可能发生突变等)。实时热失 控特征数据的监控需要保证数据采集的可靠性，必须对数据进行有效性和合理 性诊断，然后才能用来进行热失控子条件判断。
进一步地，每个特征物理量(E1-E4)的热失控子条件如下：
电池单体电压E1：E11.电压极低；E12.电压降低速率过大；E13.电压长时间 无效；
模组温度E2：E21.温度极限过高；E22.温差超限；E23.温升速率过大；E24. 温度长时间无效；
电池包内气压E3：E31.电池包内气压超过设定阈值；E32.气压信号长时间 无；
电池包内烟雾浓度E4：E41.电池包内颗粒物含量超过设定阈值；E42.烟雾 检测信号长时间无效。
由此，步骤S2中根据所述电池热失控特征数据获取是否发生热失控的实时 诊断结果，具体是：
判断所述电池单体电压和模组温度的至少一个热失控子条件是否同时满足， 若是则获得发生热失控的实时诊断结果。
例如，如果同时满足电池单体电压极低(满足热失控子条件E11)和模组温 度极限过高(满足热失控子条件E21)，获得热失控实时诊断结果。又如，同时 满足电压降低速率过大(满足热失控子条件E12)和模组温升速率过大(满足热 失控子条件E23)，则同样也可获得发生热失控的实时诊断结果。需要说明的是， 对每个特征物理量进行热失控子条件判断，其中具体诊断阈值根据不同材料体 系的电池测试数据标定得到。
前述电池包内气压E3和电池包内烟雾浓度E4为辅助判断的特征子条件， 必须结合电池单体电压E1或模组温度E2综合判断，避免因单一特征物理量的 共因失效导致误报或漏报热失控预警。具体来说，当判断电池单体电压和模组 温度中至少一个热失控子条件未同时满足时，则再判断电池包内气压或电池包 内烟雾浓度中至少一个热失控子条件是否满足，若是则获得发生热失控的实时 诊断结果。需要说明的是，电池单体电压和模组温度中至少一个热失控子条件 未同时满足，是指要么是满足电池单体电压中至少一个热失控子条件，但不满 足模组温度中任一个热失控子条件；要么是满足模组温度中至少一个热失控子 条件，但不满足电池单体电压中任一个热失控子条件。
例如，如果满足电池单体电压极低(满足热失控子条件E11)，但不满足模 组温度中任一个热失控子条件，则如果此时满足电池包内气压超过设定阈值(满 足热失控子条件E31)，获得发生热失控的实时诊断结果。又如，如果满足模组 温升速率过大(满足热失控子条件E23)，但不满足电池单体电压中任一个热失 控子条件，则如果此时满足电池包内颗粒物含量超过设定阈值(满足热失控子 条件E41)，同样也可获得发生热失控的实时诊断结果。
上述发生热失控的实时诊断结果是基于实时特征数据监控的实时诊断结果， 将用来表征发生热失控。可以理解的是，如果电池单体电压和模组温度中至少 一个热失控子条件未同时满足，而电池包内气压和电池包内烟雾浓度中任一个 热失控子条件也不满足，则获得未发生热失控的实时诊断结果。同样地，如果 电池单体电压和模组温度中任一个热失控子条件不满足，则获得未发生热失控 的实时诊断结果。
步骤S3根据步骤S1和S2的输出对热失控进行综合仲裁。具体来说，步骤 S3中根据所述每个单体电池的漏电流与诊断阈值的大小关系，判断是否发生热 失控具体是：
判断每个单体电池的漏电流是否大于漏电流预警初始阈值与电池健康状态 SOH的乘积，若是则判定发生热失控，否则判定未发生热失控。也即判断每个 单体电池的漏电流Ileakage＞(漏电流预警初始阈值×SOH)是否成立，若成立则 判定发生热失控，否则判定未发生热失控。
如前所述，发生热失控的实时诊断结果用来表征发生热失控，如果在步骤 S2获得了发生热失控的实时诊断结果，步骤S3将直接根据所述实时诊断结果判 断发生热失控。同样地，如果在步骤S2获得了未发生热失控的实时诊断结果， 步骤S3将直接根据所述实时诊断结果判断未发生热失控。
为了进一步增强对发生热失控的监控预警效果，本实施例在步骤S3判断未 发生热失控时，还设置了进一步的判断机制，即根据历史严重故障加权因子K 与设定阈值的比较结果判断是否发生热失控。具体来说，本实施例还包括：
步骤S4，在所述步骤S3判断未发生热失控时，根据预设时间范围内的统计 数据计算历史严重故障加权因子；
步骤S5，根据所述历史严重故障加权因子与设定阈值的比较结果判断是否 发生热失控，并在判断发生热失控时进行预警。
步骤S4同样根据BMS中存储的7天内发生过的历史严重故障记录矩阵([3 ×5])，计算历史严重故障加权因子K，计算方式如下式所示：
Figure BDA0002761647690000091
其中，δ为计算系数，可通过多次注入严重故障刺激电池包后，进行热失控 触发实验，记录注入严重故障次数与热失控触发时长之间的关系曲线拟合标定 得到，k为常数，通常设为0.5，Cij为历史严重故障记录矩阵中不同故障所占百 分比。
具体地，BMS中存储的7天内发生过的历史严重故障记录矩阵([3×5]) 形式可参考表3，其为工况与可能引起热失控的严重故障的二维关系表。该表记 录触发过严重故障的次数，每7天计算一次不同故障所占百分比Cij，然后计算 出历史严重故障加权因子K。
表3历史严重故障记录矩阵
工况/故障 严重过压 严重欠压 极限超高温 严重过流 超低温大电流充电
充电
放电
回馈
历史严重故障加权因子的设定阈值可以标定，通常设为0.8。如果历史严重 故障加权因子K大于设定阈值(例如K>0.8)，则判定发生热失控。在实际应用 中，根据历史严重故障加权因子大于设定阈值的比较结果判断发生热失控，从 而进行预警是作为后台监控预警，不在用户仪表上预警，由售后人员及时通知 用户检修，以排除热失控风险。
由上述可知，本发明通过大量考察电池热失控的数据表现，充分挖掘热失 控的特征数据，提出一种同时基于历史数据统计诊断和实时热失控特征数据诊 断的多维仲裁机制，尽可能降低热失控的误报和漏报概率，更早预警电池发生 热失控的可能性，从而提前采取处理措施，实现更加可靠的电池热失控早期预 警功能。
相应于本发明实施例一的一种电池热失控预警方法，本发明实施例二还提 供一种电池热失控预警装置，包括：
漏电流计算模块，用于根据预设时间范围内的统计数据计算每个单体电池 的漏电流；
实时诊断模块，用于获取电池管理系统BMS实时采集的电池热失控特征数 据，并根据所述电池热失控特征数据获取是否发生热失控的实时诊断结果；
预警模块，用于根据所述每个单体电池的漏电流与诊断阈值的大小关系， 或者根据所述实时诊断结果，判断是否发生热失控，并在判断发生热失控时进 行预警。
进一步地，所述电池热失控预警装置还包括：
历史严重故障加权因子计算模块，用于在所述预警模块判断未发生热失控 时，根据预设时间范围内的统计数据计算历史严重故障加权因子；
所述预警模块还用于根据所述历史严重故障加权因子与设定阈值的比较结 果判断是否发生热失控，并在判断发生热失控时进行预警。
进一步地，所述历史严重故障加权因子根据BMS中存储的预设时间范围内 的发生过的历史严重故障记录矩阵计算获得，其计算方式如下：
Figure BDA0002761647690000101
其中，δ为计算系数，k为常数，Cij为历史严重故障记录矩阵中不同故障所 占百分比。
有关本实施例电池热失控预警装置的工作原理和过程，参见前述本发明实 施例一的说明，此处不再赘述。
通过上述说明可知，与现有技术相比，本发明的有益效果在于：
本发明综合记录电池使用的历史数据，通过对历史数据的多维度评估，同 时考虑漏电和电池老化的影响，提前预警可能发生热失控的概率，大大提高了 热失控预警方法的适用性；
本发明通过大量考察热失控触发时的数据特征，提取出了单体电压、模组 温度、电池包内气压以及电池包内烟雾浓度等特征物理量作为热失控判断子条 件，在组合条件判断时以不同特征物理量同时触发作为热失控预警决策准则， 降低因单一特征物理量的共因失效导致误报或漏报热失控预警的概率；
本发明贴近当前对热失控预警功能的实际需求，降低了热失控预警的误报 和漏报概率，为用户逃离和售后救援预留了尽可能多的时间，大大提高电池热 失控预警的可靠性。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之 权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (12)

1.一种电池热失控预警方法，其特征在于，包括：
步骤S1，根据预设时间范围内的统计数据计算每个单体电池的漏电流；
步骤S2，通过电池管理系统BMS实时采集电池热失控特征数据，并根据所述电池热失控特征数据获取是否发生热失控的实时诊断结果；
步骤S3，根据所述每个单体电池的漏电流与诊断阈值的大小关系，或者根据所述实时诊断结果，判断是否发生热失控，并在判断发生热失控时进行预警。
2.根据权利要求1所述的电池热失控预警方法，其特征在于，所述步骤S1具体包括：
根据预设时间范围内的两次充电数据计算每个单体电池的损失电量ΔAh；
根据两次充电之间的时间间隔Δt，按下式计算获得电池包内每个单体电池的漏电流Ileakage：
Ileakage＝ΔAh/Δt。
3.根据权利要求2所述的电池热失控预警方法，其特征在于，根据预设时间范围内的两次充电数据计算每个单体电池的损失电量ΔAh的方式为：以整个电池包的最高单体电压的电池为参考电池，当电池包达到满充截止电压，其他单体电池的电压为达到满充截止电压而须继续充入的电量即为每个单体电池损失的电量ΔAh。
4.根据权利要求1所述的电池热失控预警方法，其特征在于，所述步骤S3中根据所述每个单体电池的漏电流与诊断阈值的大小关系，判断是否发生热失控具体是：
判断每个单体电池的漏电流是否大于漏电流预警初始阈值与电池健康状态SOH的乘积，若是则判定发生热失控，否则判定未发生热失控。
5.根据权利要求4所述的电池热失控预警方法，其特征在于，所述电池健康状态SOH根据BMS中存储的预设时间范围内的历史停车时间记录矩阵和驾驶循环时间记录矩阵计算获得，其计算方式如下：
SOH(k)＝SOHinit(0)-degradation(k)
Figure RE-FDA0002847599180000011
其中，SOHinit为电池健康状态初始值，α为电池日历寿命系数，β为电池循环寿命系数，n和m均为常数，tij为不同荷电状态SOC和温度下停车时间所占百分比，eij为不同SOC和温度下驾驶循环时间所占百分比，k为更新SOH的次数。
6.根据权利要求1所述的电池热失控预警方法，其特征在于，所述电池热失控特征数据包括：电池单体电压、模组温度；所述步骤S2中根据所述电池热失控特征数据获取是否发生热失控的实时诊断结果，具体是：
判断所述电池单体电压和模组温度的至少一个热失控子条件是否同时满足，若是则获得发生热失控的实时诊断结果。
7.根据权利要求6所述的电池热失控预警方法，其特征在于，所述电池热失控特征数据还包括：电池包内气压、电池包内烟雾浓度；
当判断电池单体电压和模组温度中至少一个热失控子条件未同时满足时，则再判断电池包内气压或电池包内烟雾浓度中至少一个热失控子条件是否满足，若是则获得发生热失控的实时诊断结果，否则获得未发生热失控的实时诊断结果。
8.根据权利要求1至7任一项所述的电池热失控预警方法，其特征在于，还包括：
步骤S4，在所述步骤S3判断未发生热失控时，根据预设时间范围内的统计数据计算历史严重故障加权因子；
步骤S5，根据所述历史严重故障加权因子与设定阈值的比较结果判断是否发生热失控，并在判断发生热失控时进行预警。
9.根据权利要求8所述的电池热失控预警方法，其特征在于，所述历史严重故障加权因子根据BMS中存储的预设时间范围内的发生过的历史严重故障记录矩阵计算获得，其计算方式如下：
Figure FDA0002761647680000021
其中，δ为计算系数，k为常数，Cij为历史严重故障记录矩阵中不同故障所占百分比。
10.一种电池热失控预警装置，其特征在于，包括：
漏电流计算模块，用于根据预设时间范围内的统计数据计算每个单体电池的漏电流；
实时诊断模块，用于获取电池管理系统BMS实时采集的电池热失控特征数据，并根据所述电池热失控特征数据获取是否发生热失控的实时诊断结果；
预警模块，用于根据所述每个单体电池的漏电流与诊断阈值的大小关系，或者根据所述实时诊断结果，判断是否发生热失控，并在判断发生热失控时进行预警。
11.根据权利要求10所述的电池热失控预警装置，其特征在于，还包括：
历史严重故障加权因子计算模块，用于在所述预警模块判断未发生热失控时，根据预设时间范围内的统计数据计算历史严重故障加权因子；
所述预警模块还用于根据所述历史严重故障加权因子与设定阈值的比较结果判断是否发生热失控，并在判断发生热失控时进行预警。
12.根据权利要求11所述的电池热失控预警装置，其特征在于，所述历史严重故障加权因子根据BMS中存储的预设时间范围内的发生过的历史严重故障记录矩阵计算获得，其计算方式如下：
Figure FDA0002761647680000031
其中，δ为计算系数，k为常数，Cij为历史严重故障记录矩阵中不同故障所占百分比。
CN202011219933.1A 2020-11-05 2020-11-05 一种电池热失控预警方法及装置 Pending CN112394291A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011219933.1A CN112394291A (zh) 2020-11-05 2020-11-05 一种电池热失控预警方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011219933.1A CN112394291A (zh) 2020-11-05 2020-11-05 一种电池热失控预警方法及装置

Publications (1)

Publication Number Publication Date
CN112394291A true CN112394291A (zh) 2021-02-23

Family

ID=74597476

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011219933.1A Pending CN112394291A (zh) 2020-11-05 2020-11-05 一种电池热失控预警方法及装置

Country Status (1)

Country Link
CN (1) CN112394291A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112986836A (zh) * 2021-05-13 2021-06-18 北京科技大学 一种基于动态数据的电动汽车电池火灾监测预警方法
CN113176378A (zh) * 2021-03-29 2021-07-27 国网江苏省电力有限公司南京供电分公司 基于h2浓度的锂离子电池热失控早期预警方法及系统
CN113442725A (zh) * 2021-04-30 2021-09-28 重庆长安汽车股份有限公司 一种动力电池热失控报警方法、系统和车辆
CN113589181A (zh) * 2021-06-18 2021-11-02 东风汽车集团股份有限公司 一种动力电池的安全检测方法及系统
CN113884890A (zh) * 2021-11-02 2022-01-04 轻橙时代(深圳)科技有限责任公司 一种动力电池内短路检测方法
CN113904008A (zh) * 2021-09-27 2022-01-07 江西昌河汽车有限责任公司 一种汽车动力电池热失控预警系统
CN114583301A (zh) * 2022-04-29 2022-06-03 国网浙江省电力有限公司电力科学研究院 基于安全特征参量表征体系的电站热失控预警方法及系统
CN115817177A (zh) * 2022-10-11 2023-03-21 宁德时代新能源科技股份有限公司 电池热失控预测方法、装置、计算机设备和存储介质
CN116359759A (zh) * 2023-05-30 2023-06-30 苏州精控能源科技有限公司 大型储能电池包热失控检测装置、方法及存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105356528A (zh) * 2015-10-19 2016-02-24 国网河南省电力公司电力科学研究院 电池管理系统
CN106093781A (zh) * 2016-05-27 2016-11-09 合肥国轩高科动力能源有限公司 一种动力锂离子电池日历寿命测试方法
CN107870301A (zh) * 2016-09-27 2018-04-03 华为技术有限公司 一种电池微短路的检测方法及装置
CN108241102A (zh) * 2016-12-23 2018-07-03 华为技术有限公司 一种电池微短路的检测方法及装置
CN108544925A (zh) * 2018-04-02 2018-09-18 北京理工大学 电池管理系统
CN108711893A (zh) * 2018-04-08 2018-10-26 江西优特汽车技术有限公司 一种动力电池热失控预警系统和方法
CN109786872A (zh) * 2019-03-18 2019-05-21 北京航空航天大学 一种锂离子电池热失控预警系统及方法
CN110261790A (zh) * 2019-04-10 2019-09-20 北京海博思创科技有限公司 电池健康状态的预估方法、装置及系统
CN110838600A (zh) * 2019-11-13 2020-02-25 江西优特汽车技术有限公司 一种新能源电动汽车用锂离子电池包热失控控制系统及运行方法
CN111114328A (zh) * 2020-02-27 2020-05-08 湖北亿纬动力有限公司 一种电动汽车动力蓄电池热失控预警方法、装置及系统
US20200313245A1 (en) * 2017-12-18 2020-10-01 Tsinghua University Power battery pack safety prevention and control system for electric vehicle and control method

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105356528A (zh) * 2015-10-19 2016-02-24 国网河南省电力公司电力科学研究院 电池管理系统
CN106093781A (zh) * 2016-05-27 2016-11-09 合肥国轩高科动力能源有限公司 一种动力锂离子电池日历寿命测试方法
CN107870301A (zh) * 2016-09-27 2018-04-03 华为技术有限公司 一种电池微短路的检测方法及装置
CN108241102A (zh) * 2016-12-23 2018-07-03 华为技术有限公司 一种电池微短路的检测方法及装置
US20200313245A1 (en) * 2017-12-18 2020-10-01 Tsinghua University Power battery pack safety prevention and control system for electric vehicle and control method
CN108544925A (zh) * 2018-04-02 2018-09-18 北京理工大学 电池管理系统
CN108711893A (zh) * 2018-04-08 2018-10-26 江西优特汽车技术有限公司 一种动力电池热失控预警系统和方法
CN109786872A (zh) * 2019-03-18 2019-05-21 北京航空航天大学 一种锂离子电池热失控预警系统及方法
CN110261790A (zh) * 2019-04-10 2019-09-20 北京海博思创科技有限公司 电池健康状态的预估方法、装置及系统
CN110838600A (zh) * 2019-11-13 2020-02-25 江西优特汽车技术有限公司 一种新能源电动汽车用锂离子电池包热失控控制系统及运行方法
CN111114328A (zh) * 2020-02-27 2020-05-08 湖北亿纬动力有限公司 一种电动汽车动力蓄电池热失控预警方法、装置及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘崇刚, 谭玲生, 史鹏飞: "锂离子电池的安全特性分析", 电池工业, vol. 13, no. 2, pages 78 - 81 *
李钊，陈才星，牛慧昌，李磊: "锂离子电池热失控早期预警特征参数分析", 消防科学与技术, vol. 39, no. 2, pages 146 - 149 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113176378A (zh) * 2021-03-29 2021-07-27 国网江苏省电力有限公司南京供电分公司 基于h2浓度的锂离子电池热失控早期预警方法及系统
CN113442725A (zh) * 2021-04-30 2021-09-28 重庆长安汽车股份有限公司 一种动力电池热失控报警方法、系统和车辆
CN113442725B (zh) * 2021-04-30 2022-07-08 重庆长安汽车股份有限公司 一种动力电池热失控报警方法、系统和车辆
CN112986836A (zh) * 2021-05-13 2021-06-18 北京科技大学 一种基于动态数据的电动汽车电池火灾监测预警方法
CN113589181A (zh) * 2021-06-18 2021-11-02 东风汽车集团股份有限公司 一种动力电池的安全检测方法及系统
CN113904008A (zh) * 2021-09-27 2022-01-07 江西昌河汽车有限责任公司 一种汽车动力电池热失控预警系统
CN113884890A (zh) * 2021-11-02 2022-01-04 轻橙时代(深圳)科技有限责任公司 一种动力电池内短路检测方法
CN114583301A (zh) * 2022-04-29 2022-06-03 国网浙江省电力有限公司电力科学研究院 基于安全特征参量表征体系的电站热失控预警方法及系统
CN114583301B (zh) * 2022-04-29 2022-08-23 国网浙江省电力有限公司电力科学研究院 基于安全特征参量表征体系的电站热失控预警方法及系统
CN115817177A (zh) * 2022-10-11 2023-03-21 宁德时代新能源科技股份有限公司 电池热失控预测方法、装置、计算机设备和存储介质
CN116359759A (zh) * 2023-05-30 2023-06-30 苏州精控能源科技有限公司 大型储能电池包热失控检测装置、方法及存储介质
CN116359759B (zh) * 2023-05-30 2023-08-01 苏州精控能源科技有限公司 大型储能电池包热失控检测装置、方法及存储介质

Similar Documents

Publication Publication Date Title
CN112394291A (zh) 一种电池热失控预警方法及装置
EP3557269B1 (en) Online detection method for internal short-circuit of battery
CN107176038B (zh) 用于检测电池单元衰退事件的电路和方法
CN107664542B (zh) 用于汽车动力电池的温度传感器的故障诊断方法
US20210055355A1 (en) Method for monitoring the status of a plurality of battery cells in a battery pack
US8952823B2 (en) Battery early warning and monitoring system
CN107843853B (zh) 一种动力电池组串联连接故障诊断方法
CN112838631B (zh) 动力电池的充电动态管控装置和动力电池的充电诊断方法
US20220236338A1 (en) Method For Diagnosing Internal Short Circuit Of Battery Based On Relaxation Voltage
CN112345943B (zh) 一种电池热失控预警方法及装置
EP3264120B1 (en) Cell deterioration diagnostic method and cell deterioration diagnostic device
CN105510830B (zh) 用于监测机动车辆中电池的状态的方法
US11621573B2 (en) Drooping cell detection and state of cell health monitoring
CN106680720A (zh) 基于车联网的车载蓄电池失效预警系统及方法
CN111812529A (zh) 一种时变循环工况下锂离子电池老化热失控测试方法
US20220352737A1 (en) Thermal runaway prognosis by detecting abnormal cell voltage and soc degeneration
CN114361616A (zh) 电池热失控预警方法、系统及存储介质
CN112363061A (zh) 一种基于大数据的热失控风险评估方法
US20240027540A1 (en) Battery Cell Diagnosing Apparatus and Method
CN117214757A (zh) 锂离子电池及电池组健康度预测方法
CN116973782A (zh) 基于机器学习的新能源汽车保养维护与故障监测诊断方法
CN104823066B (zh) 对串联连接的电池元件中的过度充电事件的响应
CN111983470A (zh) 一种基于关联维数的锂离子动力电池安全度评估方法及装置
CN114062943B (zh) 一种锂离子电池系统极化异常预警方法及系统
CN117341476B (zh) 一种电池压差故障预警方法及系统

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: 20220104

Address after: 511434 No. 36, Longying Road, Shilou Town, Panyu District, Guangzhou City, Guangdong Province

Applicant after: GAC AIAN New Energy Vehicle Co.,Ltd.

Address before: 23rd floor, Chengyue building, No. 448-458, Dongfeng Middle Road, Yuexiu District, Guangzhou City, Guangdong Province 510030

Applicant before: GUANGZHOU AUTOMOBILE GROUP Co.,Ltd.