CN112644336B - 一种动力电池热失控预测方法及装置 - Google Patents
一种动力电池热失控预测方法及装置 Download PDFInfo
- Publication number
- CN112644336B CN112644336B CN201910963848.7A CN201910963848A CN112644336B CN 112644336 B CN112644336 B CN 112644336B CN 201910963848 A CN201910963848 A CN 201910963848A CN 112644336 B CN112644336 B CN 112644336B
- Authority
- CN
- China
- Prior art keywords
- power battery
- thermal runaway
- current
- risk
- time point
- 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
- B60L58/24—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries for controlling the temperature of 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
- 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]
-
- 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
Abstract
本公开的实施例公开了一种动力电池热失控预测方法及装置,涉及电池技术领域,主要目的在于在动力电池发生热失控之前,提前预测动力电池发生热失控的风险。本公开的实施例的主要技术方案包括:确定动力电池的当前状态参数;在所述动力电池的当前内部温度以及当前循环寿命下,依据所述当前状态参数判断所述动力电池是否存在发生热失控的风险。
Description
技术领域
本公开的实施例涉及电池技术领域,特别是涉及一种动力电池热失控预测方法及装置。
背景技术
随着新能源汽车的发展,以动力电池为核心能量源的汽车在人们日常生活中应用的越来越广泛。但是,新能源汽车的使用过程中,由动力电池热失控引发的新能源汽车起火和爆炸的事故时有发生,因此作为新能源汽车的动力核心能量源的动力电池的安全性越来越受重视。
目前,主要通过检测已经发生热失控时动力电池的体积变化,来判断电池是否发生了热失控。而上述方法是在动力电池已经发生热失控时执行的。由于是对已经发生的热失控的动力电池的检测,所以热失控危害已经产生。因此,现有的方式仅仅起到发生热失控告知的作用,无法避免热失控造成的危害。因此,如何在动力电池发生热失控之前,提前预测动力电池发生热失控的风险成为亟需解决的问题。
发明内容
有鉴于此,本公开的实施例提出了一种动力电池热失控预测方法及装置,主要目的在于在动力电池发生热失控之前,提前预测动力电池发生热失控的风险。本公开的实施例主要提供如下技术方案:
第一方面,本公开的实施例提供了一种动力电池热失控预测方法,所述方法包括:
确定动力电池的当前状态参数;
在所述动力电池的当前内部温度以及当前循环寿命下,依据所述当前状态参数判断所述动力电池是否存在发生热失控的风险。
第二方面,本公开的实施例提供了一种动力电池热失控预测装置,所述装置包括:
确定单元,用于确定动力电池的当前状态参数;
判断单元,用于在所述动力电池的当前内部温度以及当前循环寿命下,依据所述当前状态参数判断所述动力电池是否存在发生热失控的风险。
第三方面,本公开的实施例提供了一种车辆,所述车辆包括:动力电池以及第二方面所述的动力电池热失控预测装置;
所述动力电池热失控预测装置,用于预测所述动力电池是否存在发生热失控的风险。
第四方面,本公开的实施例提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行第一方面所述的动力电池热失控预测方法。
第五方面,本公开的实施例提供了一种人机交互装置,所述装置包括存储介质;及一个或者多个处理器,所述存储介质与所述处理器耦合,所述处理器被配置为执行所述存储介质中存储的程序指令;所述程序指令运行时执行第一方面所述的动力电池热失控预测方法。
本公开的实施例提供的动力电池热失控预测方法及装置,在动力电池的当前内部温度以及当前循环寿命下,依据动力电池的当前状态参数判断动力电池是否存在发生热失控的风险,从而对动力电池的热失控进行预测。可见,本公开的实施例提供的方案能够在动力电池热失控发生之前,预测出动力电池发生热失控的可能性,使得用户能够根据热失控风险预测结果进行异常处理,从而能够避免动力电池发生热失控造成的人员和财产损失。
上述说明仅是本公开的实施例技术方案的概述,为了能够更清楚了解本公开的实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本公开的实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本公开的实施例的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本公开的实施例的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本公开的实施例提供的一种动力电池热失控预测方法的流程图;
图2示出了本公开的实施例提供的一种动力电池热失控预测方法的示意图;
图3示出了本公开的实施例提供的一种动力电池热失控预测系统的组成框图;
图4示出了本公开的实施例提供的另一种动力电池热失控预测装置的组成框图;
图5示出了本公开的实施例提供的一种车辆的组成框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
第一方面,本公开的实施例提供了一种动力电池热失控预测方法,如图1所示,所述方法主要包括:
101、确定动力电池的当前状态参数。
在实际应用中,为了满足业务需求,至少可以在如下两种情况下执行步骤101“确定动力电池的当前状态参数”,该两种情况包括:
第一种,在接收到确定状态参数的指令时,执行步骤101“确定动力电池的当前状态参数”。此种方式,由于在用户有需求时便可以直接下达确定状态参数的指令,因此业务应用较为灵活。
第二种,以预设频率,自动定时执行步骤101“确定动力电池的当前状态参数”。此种方式,由于无论车辆处于整车休眠状态还是启动运行状态,均可自动定时的执行确定动力电池的当前状态参数,因此,可以及时对动力电池热失控进行预测。
本实施例中所涉及的动力电池的状态参数可以基于具体业务要求确定,本实例中不作具体限定。可选的,当前状态参数包括如下内容中的至少一种:动力电池的直流电阻、动力电池最小串联单元的直流电阻、动力电池最小串联单元的电池荷电状态SOC、动力电池单体电池的直流内阻和动力电池单体电池的SOC。
本实施例中,确定动力电池的当前状态参数的方法至少包括如下几种:
第一种,确定当前状态参数“动力电池的直流电阻”的过程为:根据第一时间点动力电池的端电压和充放电电流,以及第二时间点动力电池的端电压和充放电电流,确定动力电池的直流电阻,其中,第一时间点与第二时间点之间具有预设的时间差。其中,确定过程可以通过公式(1)完成。
其中,所述Rpack表征所述动力电池的直流电阻;所述Upack1表征第一时间点所述动力电池的端电压;所述Upack2表征第二时间点所述动力电池的端电压;所述Ipack1表征第一时间点所述动力电池的充放电电流;所述Ipack2表征第二时间点所述动力电池的充放电电流。
具体的,这里所述的第一时间点和第二时间点之间的时间差可以基于业务需求确定。需要说明的是,为了可以及时对动力电池的热失控进行预测,则第一时间点和第二时间点之间的时间差可以设定的较小,示例性的,5分钟。为了减少热失控预测相关的数据处理量,则第一时间点和第二时间点之间的时间差可以设定的较大,示例性的,30分钟。
示例性的,第一时间点动力电池的端电压为“370”,第二时间点动力电池的端电压为“360”,第一时间点动力电池的充放电电流为“20”,第二时间点动力电池的充放电电流为“100”,则基于公式(1)计算得到动力电池的直流电阻为:
第二种,确定当前状态参数“动力电池最小串联单元的直流电阻”的过程为:
根据第一时间点所述动力电池最小串联单元的端电压、所述第一时间点所述动力电池的充放电电流、第二时间点所述动力电池最小串联单元的端电压和所述第二时间点所述动力电池的充放电电流,确定所述动力电池最小串联单元的直流电阻,其中,所述第一时间点与第二时间点之间具有预设的时间差;其中,确定过程可以通过公式(2)完成。
其中,所述Rcellxj表征第j个动力电池最小串联单元的直流电阻;所述Ucellx1j表征第一时间点第j个动力电池最小串联单元的端电压;所述Ucellx2j表征第二时间点第j个动力电池最小串联单元的端电压;所述Ipack1表征第一时间点所述动力电池的充放电电流;所述Ipack2表征第二时间点所述动力电池的充放电电流。需要说明的是,此种方法中的第一时间点和第二时间点可以与第一种方法中所涉及的第一时间点和第二时间点相同,也可以不同,本实施例中不作具体限定。
具体的,在确定动力电池最小串联单元的直流电阻时,可以确定动力电池中的每一个最小串联单元的直流电阻,也可以确定动力电池中的部分最小串联单元的直流电阻。在后续判断动力电池是否存在发生热失控的风险时,则既可以使用动力电池中的每一个最小串联单元的直流电阻,也可以使用动力电池中的部分最小串联单元的直流电阻。
示例性的,第一时间点第1个动力电池最小串联单元的端电压为“3.75”,第二时间点第1个动力电池最小串联单元的端电压为“3.85”,第一时间点动力电池的充放电电流为“100”,第二时间点动力电池的充放电电流为“10”,则第1个动力电池最小串联单元的直流电阻为:
第三种,确定当前状态参数“动力电池最小串联单元的SOC”的过程为:根据动力电池最小串联单元的端电压观测量和动力电池最小串联单元的端电压估算量,通过预设的卡尔曼滤波方法得到修正后的动力电池最小串联单元的端电压;确定与所述修正后的动力电池最小串联单元的端电压相对应的动力电池最小串联单元的SOC。
具体的,在确定动力电池最小串联单元的SOC时,可以确定动力电池中的每一个最小串联单元的SOC,也可以确定动力电池中的部分最小串联单元的SOC。在后续判断动力电池是否存在发生热失控的风险时,则既可以使用动力电池中的每一个最小串联单元的SOC,也可以使用动力电池中的部分最小串联单元的SOC。
102、在所述动力电池的当前内部温度以及当前循环寿命下,依据所述当前状态参数判断所述动力电池是否存在发生热失控的风险。
本实施例所述的循环寿命,是指动力电池在保持输出一定的容量的情况下所能进行的充放电循环次数,而当前循环寿命是指动力电池处于第几次充放电循环中。示例性的,动力电池处于第55次充放电循环中,则当前循环寿命为55次。
在实际应用中,由于在动力电池不同内部温度以及不同循环寿命下,状态参数标准不同,因此在对动力电池进行热失控预测时,需要在动力电池的当前内部温度以及当前循环寿命的前提下执行。
在本实施例中,基于状态参数包括的内容不同,则步骤102具有如下几种具体执行方式:
第一种,依据动力电池的当前内部温度以及当前循环寿命,选取与当前状态参数相对应的阈值范围。在当前状态参数不包括在其对应的阈值范围内时,判断出动力电池存在发生热失控的风险。需要说明的是,阈值范围需要根据状态参数的种类和动力电池的规格设定。
具体的,由于动力电池的性能会随着其内部温度和循环寿命变动,为了保证可以准确的对动力电池的热失控进行预测,则需要在不同的内部温度和循环寿命下,为状态参数设置不同的阈值范围。
具体的,在当前状态参数不包括在其对应的阈值范围内时,说明动力电池发生短路的风险较高,则判断出动力电池存在发生热失控的风险。在当前状态参数包括在其对应的阈值范围内时,说明动力电池发生短路的风险较低,则判断出动力电池不存在发生热失控的风险。
在本实施例中,当状态参数包括动力电池的直流电阻、动力电池最小串联单元的直流电阻、动力电池最小串联单元的电池荷电状态SOC中至少一种时,则上述中的任意一种不包括在其对应的阈值范围内时,便可判断出动力电池存在发生热失控的风险。需要说明的是,若动力电池最小串联单元的直流电阻为多个最小串联单元的直流电阻,则任意一个最小串联单元的直流电阻不包括在其对应的阈值范围时,便可判断出动力电池存在发生热失控的风险。若动力电池最小串联单元的SOC为多个最小串联单元的SOC,则任意一个最小串联单元的SOC不包括在其对应的阈值范围时,便可判断出动力电池存在发生热失控的风险。
第二种,根据动力电池单体电池的直流内阻,计算动力电池单体电池的直流内阻的均方差;依据所述动力电池的当前内部温度以及循环寿命,选取与所述动力电池单体电池的直流内阻的均方差相对应的阈值范围;在所述动力电池单体电池的直流内阻的均方差不包括在其对应的阈值范围内时,判断出所述动力电池存在发生热失控的风险。
具体的,动力电池单体电池的直流内阻的均方差可通过公式(3)计算。
其中,所述σ1i表征第i个动力电池单体电池的直流内阻的均方差;所述表征第i个动力电池单体电池的直流内阻;所述N表征所述动力电池中单体电池的总量;所述r表征所述动力电池中各单体电池的直流内阻的算术平均值。
第三种,根据动力电池单体电池的SOC,计算动力电池单体电池的SOC的均方差;依据所述动力电池的当前内部温度以及循环寿命,选取与所述动力电池单体电池的SOC的均方差相对应的阈值范围;在所述动力电池单体电池的SOC的均方差不包括在其对应的阈值范围内时,判断出所述动力电池存在发生热失控的风险。
具体的,动力电池单体电池的SOC的均方差,可通过公式(4)计算得到。
其中,所述σ2i表征第i个动力电池单体电池的SOC的均方差;所述SOCi表征第i个动力电池单体电池的SOC;所述N表征所述动力电池中单体电池的总量;所述r表征所述动力电池中各单体电池的SOC的算术平均值。
在动力电池单体电池的直流内阻的均方差不包括在其对应的阈值范围内时,说明动力电池发生短路的风险较大,则判断出动力电池存在发生热失控的风险。在动力电池单体电池的SOC的均方差不包括在其对应的阈值范围内时,说明动力电池发生短路的风险较大,则判断出动力电池存在发生热失控的风险。
针对于上述的第三种和第四种方式进行说明:在实际应用中单体电池的直流电阻和SOC,在动力电池充放电时会在一定范围内波动,而该波动会影响热失控风险的预测,为了降低波动的影响,则通过动力电池单体电池的直流内阻的均方差和动力电池单体电池的SOC的均方差来实现。
进一步的,为了提升动力电池存在发生热失控风险的识别率,还可以将该单体电池与同生命周期的其他动力电池内的单体电池比较。示例性的:动力电池A中有96个单体电池,动力电池A中的单体电池与动力电池B的96个单体电池,进行动力电池单体电池的SOC的均方差比较。需要说明的是,动力电池B为发生热失控风险较低的动力电池。
需要说明的是,当预设热失控风险使用的状态参数包括动力电池的直流电阻、动力电池最小串联单元的直流电阻、动力电池最小串联单元的SOC、动力电池单体电池的直流内阻的均方差和动力电池单体电池的SOC的均方差中至少一种时,则上述中的任意一种参数不包括在其对应的阈值范围内时,便可判断出动力电池存在发生热失控的风险。
进一步的,在判断出动力电池存在发生热失控的风险时,报警,以便车辆用户可以及时基于报警对动力电池进行热失控异常处理,从而降低动力电池发生火灾或爆炸的危险。其中,报警的方式至少包括如下几种:
第一种,向动力电池所在车辆的用户的移动设备发送报警信息。该报警信息可以为短信方式或拨打电话方式。此种方式,即使用户不在车辆附近,也可以及时了解到动力电池的热失控风险。
第二种,向动力电池所在车辆的车载设备发送报警信息,以使车载设备对报警信息进行显示。
第三种,触发车辆中的声音报警器,使得声音报警器发声,此种方式,若车辆用户在车辆附近,便可及时基于报警声对动力电池进行处理,以防止动力电池热失控的发生。
进一步的,为了保证可以及时对动力电池热失控风险进行预测,该动力电池热失控预测方法还可包括如下步骤:以预设频率采集所述动力电池外部壳体的影像;依据所述影像判断所述动力电池是否存在发生热失控的风险。
具体的,依据影像判断动力电池是否存在发生热失控的风险的具体过程包括:识别影像中是否存在预设的图像区域,若存在,则判断出动力电池存在热失控的风险。需要说明的是,预设的图像区域可以包括但不限于破损图像区域、凹陷图像区域、变形图像区域和褶皱图像区域中的至少一种。在影像中存在预设的图像区域中,则说明动力电池发生了破损、凹陷、变形和褶皱等异常情况,其内部出现短路的概率较高,因此判断出动力电池存在热失控的风险。需要说明的是,为了提高热失控风险预测的准确性,仅在影像中预设图像区域的面积和/或数量达到预设的阈值时,才判断出动力电池存在热失控的风险。
进一步的,根据如图2所示的为动力电池热失控预测系统的组成框图,图像处理系统从图像采集原件(图像采集原件为采集到的动力电池影像),图像处理系统当从图像采集原件中识别出动力电池发生了破损、凹陷、变形和褶皱等异常情况时,图像处理系统发送壳体损伤信号发给车载监控系统,车载监控系统将壳体损伤信号转发给企业监控服务管理平台,企业监控服务管理平台转发壳体损伤信号给售后系统,售后系统向用户手机APP发送壳体损失信息,以通知用户检修动力电池。另外,车载监控系统还可与动力电池中的控制系统相连,以便通过控制系统控制动力电池中的动力电池组的充放电事宜。
本公开的实施例提供的动力电池热失控预测方法,在动力电池的当前内部温度以及当前循环寿命下,依据动力电池的当前状态参数判断动力电池是否存在发生热失控的风险,从而对动力电池的热失控进行预测。可见,本公开的实施例提供的方案能够在动力电池热失控发生之前,预测出动力电池发生热失控的可能性,使得用户能够根据热失控风险预测结果进行异常处理,从而能够避免动力电池发生热失控造成的人员和财产损失。
第三方面,依据图1所示的方法,本公开的另一个实施例还提供了一种动力电池热失控预测装置,如图3所示,所述装置主要包括:
确定单元21,用于确定动力电池的当前状态参数;
判断单元22,用于在所述动力电池的当前内部温度以及当前循环寿命下,依据所述当前状态参数判断所述动力电池是否存在发生热失控的风险。
本公开的实施例提供的动力电池热失控预测装置,在动力电池的当前内部温度以及当前循环寿命下,依据动力电池的当前状态参数判断动力电池是否存在发生热失控的风险,从而对动力电池的热失控进行预测。可见,本公开的实施例提供的方案能够在动力电池热失控发生之前,预测出动力电池发生热失控的可能性,使得用户能够根据热失控风险预测结果进行异常处理,从而能够避免动力电池发生热失控造成的人员和财产损失。
在一些实施例中,确定单元21确定的当前状态参数包括如下内容中的至少一种:动力电池的直流电阻、动力电池最小串联单元的直流电阻、动力电池最小串联单元的SOC、动力电池单体电池的直流内阻和动力电池单体电池的SOC,其中SOC表征荷电状态。
在一些实施例中,如图4所示,所述确定单元21包括:
第一确定模块211,用于根据第一时间点所述动力电池的端电压和充放电电流,以及第二时间点所述动力电池的端电压和充放电电流,确定所述动力电池的直流电阻,其中,所述第一时间点与第二时间点之间具有预设的时间差。
在一些实施例中,如图4所示,所述确定单元21包括:
第二确定模块212,用于根据第一时间点所述动力电池最小串联单元的端电压、所述第一时间点所述动力电池的充放电电流、第二时间点所述动力电池最小串联单元的端电压和所述第二时间点所述动力电池的充放电电流,确定所述动力电池最小串联单元的直流电阻,其中,所述第一时间点与所述第二时间点之间具有预设的时间差。
在一些实施例中,如图4所示,所述确定单元21包括:
第三确定模块213,用于根据动力电池最小串联单元的端电压观测量和动力电池最小串联单元的端电压估算量,通过预设的卡尔曼滤波方法得到修正后的动力电池最小串联单元的端电压;确定与所述修正后的动力电池最小串联单元的端电压相对应的动力电池最小串联单元的SOC。
在一些实施例中,如图4所示,所述判断单元22包括:
第一判断模块221,用于依据所述动力电池的当前内部温度以及当前循环寿命,选取与所述当前状态参数相对应的阈值范围;在所述当前状态参数不包括在其对应的阈值范围内时,判断出所述动力电池存在发生热失控的风险。
在一些实施例中,如图4所示,所述判断单元22包括:
第一计算模块222,用于根据动力电池单体电池的直流内阻,计算动力电池单体电池的直流内阻的均方差;
第二判断模块223,用于依据所述动力电池的当前内部温度以及循环寿命,选取与所述动力电池单体电池的直流内阻的均方差相对应的阈值范围;在所述动力电池单体电池的直流内阻的均方差不包括在其对应的阈值范围内时,判断出所述动力电池存在发生热失控的风险。
在一些实施例中,如图4所示,所述判断单元22包括:
第二计算模块224,用于根据动力电池单体电池的SOC,计算动力电池单体电池的SOC的均方差;
第三判断模块225,用于依据所述动力电池的当前内部温度以及当前循环寿命,选取与所述动力电池单体电池的SOC的均方差相对应的阈值范围;
在所述动力电池单体电池的SOC的均方差不包括在其对应的阈值范围内时,判断出所述动力电池存在发生热失控的风险。
在一些实施例中,如图4所示,该装置还包括:
报警单元23,用于在判断出所述动力电池存在发生热失控的风险时,报警。
在一些实施例中,如图4所示,该装置还包括:
采集单元24,用于以预设频率采集所述动力电池外部壳体的影像;
所述判断单元22,还用于依据所述采集单元24采集的所述影像判断所述动力电池是否存在发生热失控的风险。
在一些实施例中,如图4所示,所述判断单元22,用于当识别出所述影像中存在预设的图像区域,则判断出所述动力电池存在发生热失控的风险。
第二方面的实施例提供的动力电池热失控预测装置,可以用以执行第一方面的实施例所提供的动力电池热失控预测方法,相关的用于的含义以及具体的实施方式可以参见第一方面的实施例中的相关描述,在此不再详细说明。
第三方面,本公开的另一个实施例还提供了一种车辆,如图5所示,所述车辆主要包括:
动力电池31以及第二方面所述的动力电池热失控预测装置32;
所述动力电池热失控预测装置32,用于预测所述动力电池31是否存在发生热失控的风险。
本公开的实施例提供的车辆,动力电池热失控预测装置能够在动力电池的当前内部温度以及当前循环寿命下,依据动力电池的当前状态参数判断动力电池是否存在发生热失控的风险,从而对动力电池的热失控进行预测。可见,本公开的实施例提供的方案能够在动力电池热失控发生之前,预测出动力电池发生热失控可能性,使得用户能够根据热失控风险预测结果进行异常处理,从而能够避免动力电池发生热失控造成的人员和财产损失。
第四方面,本公开的实施例提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行第一方面所述的动力电池热失控预测方法。
存储介质可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
第五方面,本公开的实施例提供了一种人机交互装置,所述装置包括存储介质;及一个或者多个处理器,所述存储介质与所述处理器耦合,所述处理器被配置为执行所述存储介质中存储的程序指令;所述程序指令运行时执行第一方面所述的动力电池热失控预测方法。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
本领域内的技术人员应明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开的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,本公开的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。
本申请是参照本公开的实施例的方法、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设备上,使得在计算机或其他可编程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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商品或者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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本公开的实施例可提供为方法、系统或计算机程序产品。因此,本公开的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,本公开的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。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (12)
1.一种动力电池热失控预测方法,其特征在于,所述方法包括:
确定动力电池的当前状态参数;
在所述动力电池的当前内部温度以及当前循环寿命下,依据所述当前状态参数判断所述动力电池是否存在发生热失控的风险,其中,所述当前循环寿命表示所述动力电池处于第几次充放电循环中,在动力电池不同内部温度以及不同循环寿命下,状态参数标准不同;
所述当前状态参数包括如下内容中的至少一种:动力电池的直流电阻、动力电池最小串联单元的直流电阻、动力电池最小串联单元的SOC、动力电池单体电池的直流内阻和动力电池单体电池的SOC,其中SOC表征荷电状态;
所述方法还包括:
以预设频率采集所述动力电池外部壳体的影像;
依据所述影像判断所述动力电池是否存在发生热失控的风险;
依据所述影像判断所述动力电池是否存在发生热失控的风险,包括:
当识别出所述影像中存在预设的图像区域,则判断出所述动力电池存在发生热失控的风险,其中,预设的图像区域包括破损图像区域、凹陷图像区域、变形图像区域和褶皱图像区域中的至少一种。
2.根据权利要求1所述的方法,其特征在于,确定动力电池的当前状态参数,包括:
根据第一时间点所述动力电池的端电压和充放电电流,以及第二时间点所述动力电池的端电压和充放电电流,确定所述动力电池的直流电阻,其中,所述第一时间点与第二时间点之间具有预设的时间差。
3.根据权利要求1所述的方法,其特征在于,确定动力电池的当前状态参数,包括:
根据第一时间点所述动力电池最小串联单元的端电压、所述第一时间点所述动力电池的充放电电流、第二时间点所述动力电池最小串联单元的端电压和所述第二时间点所述动力电池的充放电电流,确定所述动力电池最小串联单元的直流电阻,其中,所述第一时间点与所述第二时间点之间具有预设的时间差。
4.根据权利要求1所述的方法,其特征在于,确定动力电池的当前状态参数,包括:
根据动力电池最小串联单元的端电压观测量和动力电池最小串联单元的端电压估算量,通过预设的卡尔曼滤波方法得到修正后的动力电池最小串联单元的端电压;
确定与所述修正后的动力电池最小串联单元的端电压相对应的动力电池最小串联单元的SOC。
5.根据权利要求1所述的方法,其特征在于,在所述动力电池的当前内部温度以及当前循环寿命下,依据所述当前状态参数判断所述动力电池是否存在发生热失控的风险,包括:
依据所述动力电池的当前内部温度以及当前循环寿命,选取与所述当前状态参数相对应的阈值范围;
在所述当前状态参数不包括在其对应的阈值范围内时,判断出所述动力电池存在发生热失控的风险。
6.根据权利要求1所述的方法,其特征在于,在所述动力电池的当前内部温度以及当前循环寿命下,依据所述当前状态参数判断所述动力电池是否存在发生热失控的风险,包括:
根据动力电池单体电池的直流内阻,计算动力电池单体电池的直流内阻的均方差;
依据所述动力电池的当前内部温度以及当前循环寿命,选取与所述动力电池单体电池的直流内阻的均方差相对应的阈值范围;
在所述动力电池单体电池的直流内阻的均方差不包括在其对应的阈值范围内时,判断出所述动力电池存在发生热失控的风险。
7.根据权利要求1所述的方法,其特征在于,在所述动力电池的当前内部温度以及当前循环寿命下,依据所述当前状态参数判断所述动力电池是否存在发生热失控的风险,包括:
根据动力电池单体电池的SOC,计算动力电池单体电池的SOC的均方差;
依据所述动力电池的当前内部温度以及当前循环寿命,选取与所述动力电池单体电池的SOC的均方差相对应的阈值范围;
在所述动力电池单体电池的SOC的均方差不包括在其对应的阈值范围内时,判断出所述动力电池存在发生热失控的风险。
8.根据权利要求1-7中任一所述的方法,其特征在于,该方法还包括:在判断出所述动力电池存在发生热失控的风险时,报警。
9.一种动力电池热失控预测装置,其特征在于,所述装置包括:
确定单元,用于确定动力电池的当前状态参数;
判断单元,用于在所述动力电池的当前内部温度以及当前循环寿命下,依据所述当前状态参数判断所述动力电池是否存在发生热失控的风险,其中,所述当前循环寿命表示所述动力电池处于第几次充放电循环中,在动力电池不同内部温度以及不同循环寿命下,状态参数标准不同;
所述当前状态参数包括如下内容中的至少一种:动力电池的直流电阻、动力电池最小串联单元的直流电阻、动力电池最小串联单元的SOC、动力电池单体电池的直流内阻和动力电池单体电池的SOC,其中SOC表征荷电状态;
所述装置还包括:
采集单元,用于以预设频率采集所述动力电池外部壳体的影像;
所述判断单元,还用于依据所述采集单元采集的所述影像判断所述动力电池是否存在发生热失控的风险;
所述判断单元,具体用于当识别出所述影像中存在预设的图像区域,则判断出所述动力电池存在发生热失控的风险,其中,预设的图像区域包括破损图像区域、凹陷图像区域、变形图像区域和褶皱图像区域中的至少一种。
10.一种车辆,其特征在于,所述车辆包括:动力电池以及权利要求9所述的动力电池热失控预测装置;
所述动力电池热失控预测装置,用于预测所述动力电池是否存在发生热失控的风险。
11.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至8中任一项所述的动力电池热失控预测方法。
12.一种人机交互装置,其特征在于,所述装置包括存储介质;及一个或者多个处理器,所述存储介质与所述处理器耦合,所述处理器被配置为执行所述存储介质中存储的程序指令;所述程序指令运行时执行权利要求1至8中任一项所述的动力电池热失控预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910963848.7A CN112644336B (zh) | 2019-10-11 | 2019-10-11 | 一种动力电池热失控预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910963848.7A CN112644336B (zh) | 2019-10-11 | 2019-10-11 | 一种动力电池热失控预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112644336A CN112644336A (zh) | 2021-04-13 |
CN112644336B true CN112644336B (zh) | 2022-11-04 |
Family
ID=75342734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910963848.7A Active CN112644336B (zh) | 2019-10-11 | 2019-10-11 | 一种动力电池热失控预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112644336B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113506924B (zh) * | 2021-06-17 | 2023-03-21 | 重庆金康动力新能源有限公司 | 电池包的热失控预警方法及系统 |
CN113484760B (zh) * | 2021-07-12 | 2022-06-24 | 杭州华塑科技股份有限公司 | 一种电池热失控识别方法、装置、设备及存储介质 |
CN114167286B (zh) * | 2021-11-10 | 2023-10-24 | 安徽锐能科技有限公司 | 基于内阻趋势差的锂电池热失控检测的方法及系统 |
CN114295983A (zh) * | 2021-12-31 | 2022-04-08 | 上海洛轲智能科技有限公司 | 电池热失控预警方法、装置、车辆、设备及存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101604005A (zh) * | 2009-06-29 | 2009-12-16 | 杭州电子科技大学 | 一种基于组合采样点卡尔曼滤波的电池剩余电量估计方法 |
CN102756661A (zh) * | 2011-04-27 | 2012-10-31 | 北京八恺电气科技有限公司 | 车用电池荷电状态的确定方法及装置 |
CN103033759A (zh) * | 2012-12-11 | 2013-04-10 | 上海市电力公司 | 一种蓄电池热失控智能判断方法 |
CN105589046A (zh) * | 2016-01-29 | 2016-05-18 | 金龙联合汽车工业(苏州)有限公司 | 一种动力电池组热失控扩散的检测警报方法 |
CN106033113A (zh) * | 2015-03-19 | 2016-10-19 | 国家电网公司 | 一种储能电池组健康状态评估方法 |
CN106597299A (zh) * | 2016-11-22 | 2017-04-26 | 南京能启能电子科技有限公司 | 一种锂电池热失控早期预警及自动控制方法 |
CN107085187A (zh) * | 2017-04-13 | 2017-08-22 | 华北电力科学研究院有限责任公司 | 梯次利用电池储能系统一致性维护指标的确定方法及装置 |
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 |
CN108248389A (zh) * | 2017-12-18 | 2018-07-06 | 清华大学 | 电动车用动力电池组安全防控方法、系统和计算机可读存储介质 |
CN108332860A (zh) * | 2018-03-16 | 2018-07-27 | 南京工业大学 | 基于红外热成像技术的锂离子电池组热失控自动监测方法 |
CN108446434A (zh) * | 2018-02-07 | 2018-08-24 | 清华大学 | 动力电池热失控安全性的预测方法、装置及计算机可读存储介质 |
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 |
CN110083871A (zh) * | 2019-03-27 | 2019-08-02 | 北京航空航天大学 | 一种基于锂离子电池热失控预测模型的热失控模拟方法和装置 |
CN110161414A (zh) * | 2019-06-13 | 2019-08-23 | 北京理工大学 | 一种动力电池热失控在线预测方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10665909B2 (en) * | 2017-07-17 | 2020-05-26 | International Business Machines Corporation | Battery thermal run-away and combustion prevention system |
-
2019
- 2019-10-11 CN CN201910963848.7A patent/CN112644336B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101604005A (zh) * | 2009-06-29 | 2009-12-16 | 杭州电子科技大学 | 一种基于组合采样点卡尔曼滤波的电池剩余电量估计方法 |
CN102756661A (zh) * | 2011-04-27 | 2012-10-31 | 北京八恺电气科技有限公司 | 车用电池荷电状态的确定方法及装置 |
CN103033759A (zh) * | 2012-12-11 | 2013-04-10 | 上海市电力公司 | 一种蓄电池热失控智能判断方法 |
CN106033113A (zh) * | 2015-03-19 | 2016-10-19 | 国家电网公司 | 一种储能电池组健康状态评估方法 |
CN105589046A (zh) * | 2016-01-29 | 2016-05-18 | 金龙联合汽车工业(苏州)有限公司 | 一种动力电池组热失控扩散的检测警报方法 |
CN106597299A (zh) * | 2016-11-22 | 2017-04-26 | 南京能启能电子科技有限公司 | 一种锂电池热失控早期预警及自动控制方法 |
CN107085187A (zh) * | 2017-04-13 | 2017-08-22 | 华北电力科学研究院有限责任公司 | 梯次利用电池储能系统一致性维护指标的确定方法及装置 |
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 |
CN108248389A (zh) * | 2017-12-18 | 2018-07-06 | 清华大学 | 电动车用动力电池组安全防控方法、系统和计算机可读存储介质 |
CN108446434A (zh) * | 2018-02-07 | 2018-08-24 | 清华大学 | 动力电池热失控安全性的预测方法、装置及计算机可读存储介质 |
CN108332860A (zh) * | 2018-03-16 | 2018-07-27 | 南京工业大学 | 基于红外热成像技术的锂离子电池组热失控自动监测方法 |
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 |
CN110083871A (zh) * | 2019-03-27 | 2019-08-02 | 北京航空航天大学 | 一种基于锂离子电池热失控预测模型的热失控模拟方法和装置 |
CN110161414A (zh) * | 2019-06-13 | 2019-08-23 | 北京理工大学 | 一种动力电池热失控在线预测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112644336A (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112644336B (zh) | 一种动力电池热失控预测方法及装置 | |
CN110635182B (zh) | 电池热失控的预警方法和装置、电子设备、存储介质 | |
CN110687457B (zh) | 一种电池包异常的检测方法、装置、存储介质及电子设备 | |
CN108107364B (zh) | 一种检测电池的方法及装置 | |
CN110579716B (zh) | 一种电池检测方法及装置 | |
CN113306449B (zh) | 一种新能源汽车的电池健康提醒方法及系统 | |
CN112345944B (zh) | 电池异常检测方法、装置、电子设备和计算机可读存储介质 | |
CN113075563B (zh) | 一种动力电池析锂的检测方法、装置和车辆 | |
CN110824376A (zh) | 一种电池包异常的检测方法、装置、存储介质和电子设备 | |
CN112736302B (zh) | 一种电芯容量异常判断方法及装置、车辆、存储介质 | |
CN112519631A (zh) | 电池控制装置、充放电系统、停车场系统、二次电池再利用系统、电池控制方法及存储介质 | |
CN112307623A (zh) | 电芯热失控预测方法、装置、介质、电池管理系统及车辆 | |
CN110749829B (zh) | 一种供电设备异常检测方法及装置 | |
CN115091958A (zh) | 电池热失控预警方法和装置 | |
CN116626492A (zh) | 电池故障诊断方法、装置及车辆 | |
CN110068409B (zh) | 锂电池应力预测方法和装置 | |
US11809255B2 (en) | Method for predicting service life of a battery unit | |
CN115508713A (zh) | 一种电池系统安全预警方法、装置、存储介质及设备 | |
CN115020850A (zh) | 电池安全检测方法、装置及电池管理系统 | |
CN114994558A (zh) | 电池寿命检测方法、终端设备及计算机可读存储介质 | |
CN113135115A (zh) | 检测电池系统短路的方法、装置、车辆及存储介质 | |
CN112666477A (zh) | 电池内短路判断方法、电子装置以及存储介质 | |
CN116087782B (zh) | 一种汽车电池故障预警方法、系统、装置及存储介质 | |
CN116593902B (zh) | 基于铁锂电池的性能参数融合成ai模型的故障诊断方法 | |
CN114188619B (zh) | 用于预警电池热失控状态的方法、系统及存储介质 |
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 |