CN112924873A - 电池包微短路的在线诊断方法及系统 - Google Patents

电池包微短路的在线诊断方法及系统 Download PDF

Info

Publication number
CN112924873A
CN112924873A CN202110158122.3A CN202110158122A CN112924873A CN 112924873 A CN112924873 A CN 112924873A CN 202110158122 A CN202110158122 A CN 202110158122A CN 112924873 A CN112924873 A CN 112924873A
Authority
CN
China
Prior art keywords
charging
monomer
voltage
battery pack
value
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
CN202110158122.3A
Other languages
English (en)
Inventor
秦欢
黄诗韵
严晓
刘中财
王东征
黄碧雄
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.)
Shanghai MS Energy Storage Technology Co Ltd
Original Assignee
Shanghai MS Energy Storage 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 Shanghai MS Energy Storage Technology Co Ltd filed Critical Shanghai MS Energy Storage Technology Co Ltd
Priority to CN202110158122.3A priority Critical patent/CN112924873A/zh
Publication of CN112924873A publication Critical patent/CN112924873A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/385Arrangements for measuring battery or accumulator variables
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/52Testing for short-circuits, leakage current or ground faults

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)

Abstract

本发明公开了一种电池包微短路的在线诊断方法及系统,方法包括:统计电池包充电过程中时间、电压的数据;计算其他各单体的相对充电时间;计算可判定各单体相对充电时间变化的变化参数;通过箱型图对各单体的变化参数的一致性进行分析;统计变化参数异常的单体序号;计算各单体的直流内阻,并通过箱型图进行一致性分析;筛选掉直流内阻在异常范围的单体;进行变化参数一致性分析,根据变化参数一致性分析结果,判断是否有单体的变化参数异常且作为异常值重复出现次数最多。诊断过程中仅需充电数据,无需特定工况下的测试即可对电池包进行微短路诊断;不影响电池包的正常工作,简单易操作,所需参数较少,计算量较小,且能够在线应用。

Description

电池包微短路的在线诊断方法及系统
技术领域
本发明涉及一种电池包的在线诊断方法及系统。
背景技术
锂电池在长期使用过程中逐渐老化,微短路即为老化特性之一。其若不能及时被诊断会导致内短路,而内短路情况的恶化通常伴随着自放电率和热量的增加,进而发生热失控,从而引发安全事故。锂电池内部微短路较易触发,即使不是由于制造的原因,在使用过程中过度充、放电,剧烈震动等滥用也会使得负极表面形成锂枝晶,刺穿隔膜导致锂电池内部发生微短路。因此,锂电池的微短路诊断仍是电池管理中亟待解决的问题。
中国发明专利(专利号:CN108152755A,专利名称:在线定量诊断电池微短路故障的方法),该专利描述了一种在线定量诊断电池微短路故障方法,预先建立电量与充放电电压的关系表格并存储。然后在在线诊断过程中,将充电/放电结束时的电压在关系表格上进行查表或插值得到电池在充电/放电结束时的电量,进而根据电量随时间的变化估算微短路电流,根据微短路电流的大小诊断有无微短路及严重程度。该方法在诊断时必须以各单体的电量和充放电电压关系为参考,才可以对电池包进行微短路诊断。
中国发明专利(专利号:CN110270519A,专利名称:一种筛选微短路锂离子电池电芯的方法),该专利描述了一种筛选微短路锂离子电池电芯的方法,通过用脉冲电压测试锂离子电池电芯中隔膜的击穿电压,然后取所述隔膜的击穿电压值的30~40%为电压测试值对使用该隔膜的电池电芯进行高压短路测试,筛选出短路电池电芯。但此方法在微短路诊断时需对电芯进行额外测试,且对电芯具有破坏性。
中国发明专利(专利号:CN110729516A,专利名称:锂离子电池的微短路测试方法,该专利描述了锂离子电池的微短路测试方法,锂离子电池的微短路测试方法包括:将已切成小片的正极片,负极片与隔膜叠成单体电芯,对叠片后的单体电芯进行高电压测试,对单体电芯依次进行焊接极耳,第一次封装、浸润、第二次封装和常温老化、将常温老化后的单体电芯置于微电流测试组件内进行微电压测试,根据微电压测试中的单体电芯的漏电流值的大小,判断单体电芯是否存在微短路。但该方法的测试过程较复杂,且测试微电压时需要特定的测试设备。
发明内容
本发明要解决的技术问题是为了克服现有技术中对电池包微短路的诊断需要依赖各单体的电量和充放电电压关系、测试过程复杂、需要特定测试设备、有些测试需要对电芯具有破坏性的缺陷,提供一种。
本发明是通过下述技术方案来解决上述技术问题的:
一种电池包微短路的在线诊断方法,其特点在于,包括以下步骤:
S1:统计电池包充电过程中时间、电压的数据;
S2:从充电数据中根据以下步骤进行数据选取:
S21、计算电池包每次充电容量与后一次充电容量差值△C并相互对比,选取△C数值小于第一阈值的对应充电数据,由于正常充放电循环中相邻两次充电容量基本不变,由此选择可以防止每次充电时模组的相对充电时间△tn,j波动较大;或者,
S22、计算电池包每次充电结束时各模组电压与后一次充电充电结束时各模组电压差值△U并相互对比,选取△U数值小于第二阈值的对应充电数据,由于相邻两次以相同电流充电时各模组在充电结束时的电压基本不变,由此选择可以防止每次充电时模组的相对充电时间△tn,j波动较大;或者,
S3:以电池包中最先达到充电截止电压的单体的电压曲线为基准,计算其他各单体的相对充电时间Δtn,j=tn,0-tn,j,n为充电次数,j为单体序号,tn,0为电池包的充电时间,tn,j为第n次充电时,基准充电曲线上与j号单体充电结束时电压相同的电压点所对应的充电时间;
S4:计算可判定各单体相对充电时间变化的变化参数
Figure BDA0002934624740000031
Figure BDA0002934624740000032
S5:通过箱型图对各单体的变化参数Kn-n-1,j值一致性进行分析;
S6:统计变化参数Kn-n-1,j值异常的单体序号;
S7:计算各单体的直流内阻,并通过箱型图进行一致性分析;
S8:分析变化参数Kn-n-1,j值异常的单体直流内阻的一致性,筛选掉直流内阻在异常范围的单体;
S9:进行变化参数Kn-n-1,j值一致性分析,根据变化参数Kn-n-1,j值一致性分析结果,判断是否有单体的变化参数Kn-n-1,j值异常且作为异常值重复出现次数最多,若是该单体出现微短路;若否,则该单体未出现微短路,且该单体内阻大于第三阈值,即该单体内阻较大。根据诊断结果可判定电池包是否发生微短路,并同时对微短路单体进行定位,实现在线诊断。
优选地,步骤S7中,直流内阻的计算公式为:
Figure BDA0002934624740000033
其中,k为测试次数;U1-k,j为j号模组k次测试静置时的电压;U2-k,j为j号模组k次测试开始充电后10s的电压;Ik为k次测试的充电电流。某个单体的Kn-n-1,j值异常且作为异常值重复出现次数最多,可能是因为该单体的直流内阻较大,直流内阻较大的单体在充电时间变化较小时,其电压会产生较大的波动,从而导致其相对充电时间波动较大,根据直流内阻对单体进行筛选,不影响诊断结果,且可提高诊断结果的准确性。
本发明还公开了一种电池包微短路的在线诊断系统,其特点在于,包括:
测量装置,用于统计电池包充电过程中时间、电压的数据;
数据选择装置:用于从充电数据中根据以下步骤进行数据选取:
计算电池包每次充电容量与后一次充电容量差值△C并相互对比,选取△C数值小于第一阈值的对应充电数据,由于正常充放电循环中相邻两次充电容量基本不变,由此选择可以防止每次充电时模组的相对充电时间△tn,j波动较大;或者,
计算电池包每次充电结束时各模组电压与后一次充电充电结束时各模组电压差值△U并相互对比,选取△U数值小于第二阈值的对应充电数据,由于相邻两次以相同电流充电时各模组在充电结束时的电压基本不变,由此选择可以防止每次充电时模组的相对充电时间△tn,j波动较大;
计算装置,用于以电池包中最先达到充电截止电压的单体的电压曲线为基准,计算其他各单体的相对充电时间Δtn,j=tn,0-tn,j,其中,n为充电次数,j为单体序号,tn,0为电池包的充电时间,tn,j为第n次充电时,基准充电曲线上与j号单体充电结束时电压相同的电压点所对应的充电时间;还用于计算可判定各单体相对充电时间变化的变化参数
Figure BDA0002934624740000041
分析装置,用于通过箱型图对各单体的变化参数Kn-n-1,j值一致性进行分析并统计变化参数Kn-n-1,j值异常的单体序号;以及用于计算各单体的直流内阻,并通过箱型图进行一致性分析;还用于分析变化参数Kn-n-1,j值异常的单体直流内阻的一致性,筛选掉直流内阻在异常范围的单体,以及用于进行变化参数Kn-n-1,j值一致性分析,根据变化参数Kn-n-1,j值一致性分析结果,判断是否有单体的变化参数Kn-n-1,j值异常且作为异常值重复出现次数最多。
优选地,所述分析装置用于根据以下公式计算直流内阻:
Figure BDA0002934624740000042
其中,k为测试次数;U1-k,j为j号模组k次测试静置时的电压;U2-k,j为j号模组k次测试开始充电后10s的电压;Ik为k次测试的充电电流。某个单体的Kn-n-1,j值异常且作为异常值重复出现次数最多,可能是因为该单体的直流内阻较大,直流内阻较大的单体在充电时间变化较小时,其电压会产生较大的波动,从而导致其相对充电时间波动较大,根据直流内阻对单体进行筛选,不影响诊断结果,且可提高诊断结果的准确性。
在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发明各较佳实例。
本发明的积极进步效果在于:本发明根据电池发生微短路后会不断消耗电能,导致电池包中微短路单体的相对充电时间随着充电次数增多的特性,通过电池包的充电数据对各单体的相对充电时间进行分析,由此可以判断电池包是否存在微短路,并对微短路的具体单体进行定位;诊断过程中仅需充电数据,无需特定工况下的测试即可对电池包进行微短路诊断,同时还可筛选出内阻较大的单体;不影响电池包的正常工作,简单易操作,所需参数较少,计算量较小,且能够在线应用。
附图说明
图1为本发明电池包微短路的诊断方法流程图;
图2为第3次测试中各模组的电压曲线图;
图3为电池包充电容量曲线图;
图4为电池包△C曲线图;
图5为充电结束时各模组的电压曲线图;
图6为电池包中各模组△U曲线图;
图7为充电时各模组电压曲线图;
图8为相邻两次充电各模组Kn-n-1,j值箱型图;
图9为各模组直流内阻图;
图10为各模组直流内阻箱型图;
图11为剩余模组相邻两次充电的Kn-n-1,j值箱型图;
图12为第3次测试中2号模组的电压曲线图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
参考图1,电池包微短路的在线诊断方法,包括以下步骤:
101:统计电池包充电过程中时间、电压的数据;
102:从充电数据中根据以下步骤进行数据选取:计算电池包每次充电容量与后一次充电容量差值△C并相互对比,选取△C数值小于第一阈值的对应充电数据,由于正常充放电循环中相邻两次充电容量基本不变,由此选择可以防止每次充电时模组的相对充电时间△tn,j波动较大;或者,计算电池包每次充电结束时各模组电压与后一次充电充电结束时各模组电压差值△U并相互对比,选取△U数值小于第二阈值的对应充电数据,由于相邻两次以相同电流充电时各模组在充电结束时的电压基本不变,由此选择可以防止每次充电时模组的相对充电时间△tn,j波动较大。
103:以电池包中最先达到充电截止电压的单体的电压曲线为基准,计算其他各单体的相对充电时间Δtn,j=tn,0-tn,j,n为充电次数,j为单体序号,tn,0为电池包的充电时间,tn,j为第n次充电时,基准充电曲线上与j号单体充电结束时电压相同的电压点所对应的充电时间;
104:计算可判定各单体相对充电时间变化的变化参数
Figure BDA0002934624740000061
Figure BDA0002934624740000062
105:通过箱型图对各单体的变化参数Kn-n-1,j值一致性进行分析;
106:统计变化参数Kn-n-1,j值异常的单体序号;
107:计算各单体的直流内阻,并通过箱型图进行一致性分析;
108:分析变化参数Kn-n-1,j值异常的单体直流内阻的一致性,筛选掉直流内阻在异常范围(例如直流内阻异常或者较大)的单体;
109:进行变化参数Kn-n-1,j值一致性分析,根据变化参数Kn-n-1,j值一致性分析结果,判断是否有单体的变化参数Kn-n-1,j值异常且作为异常值重复出现次数最多,若是该单体出现微短路;若否,则该单体未出现微短路。根据诊断结果可判定电池包是否发生微短路,并同时对微短路单体进行定位,实现在线诊断。
具体来说,步骤107中,直流内阻的计算公式为:
Figure BDA0002934624740000071
其中,k为测试次数;U1-k,j为j号模组k次测试静置时的电压;U2-k,j为j号模组k次测试开始充电后10s的电压;Ik为k次测试的充电电流。某个单体的Kn-n-1,j值异常且作为异常值重复出现次数最多,可能是因为该单体的直流内阻较大,直流内阻较大的单体在充电时间变化较小时,其电压会产生较大的波动,从而导致其相对充电时间波动较大,根据直流内阻对单体进行筛选,不影响诊断结果,且可提高诊断结果的准确性。
本发明所述的电池包微短路的在线诊断系统,包括:
测量装置,用于统计电池包充电过程中时间、电压的数据;
数据选择装置:用于从充电数据中根据以下步骤进行数据选取:
计算电池包每次充电容量与后一次充电容量差值△C并相互对比,选取△C数值小于第一阈值的对应充电数据,由于正常充放电循环中相邻两次充电容量基本不变,由此选择可以防止每次充电时模组的相对充电时间△tn,j波动较大;或者,
计算电池包每次充电结束时各模组电压与后一次充电充电结束时各模组电压差值△U并相互对比,选取△U数值小于第二阈值的对应充电数据,由于相邻两次以相同电流充电时各模组在充电结束时的电压基本不变,由此选择可以防止每次充电时模组的相对充电时间△tn,j波动较大;或者,
统计电池包每次充电过程中最先达到截止电压的模组序号,在所有充电数据中选取模组序号不变的对应充电数据,电池包的充电容量取决于最先达到充电截止电压的模组,最先达到截止充电电压的模组改变,则电池包的充电容量和充电时间随之改变,充电结束时各模组的电压会随之大幅改变,从而导致相对充电时间△tn,j波动较大;若电池包的充电数据在最先达到截止充电电压的模组改变后仍满足上述数据选取的条件,则选择相对应数据;
计算装置,用于以电池包中最先达到充电截止电压的单体的电压曲线为基准,计算其他各单体的相对充电时间Δtn,j=tn,0-tn,j,其中,n为充电次数,j为单体序号,tn,0为电池包的充电时间,tn,j为第n次充电时,基准充电曲线上与j号单体充电结束时电压相同的电压点所对应的充电时间;还用于计算可判定各单体相对充电时间变化的变化参数
Figure BDA0002934624740000081
分析装置,用于通过箱型图对各单体的变化参数Kn-n-1,j值一致性进行分析并统计变化参数Kn-n-1,j值异常的单体序号;以及用于计算各单体的直流内阻,并通过箱型图进行一致性分析;还用于分析变化参数Kn-n-1,j值异常的单体直流内阻的一致性,筛选掉直流内阻在异常范围的单体,以及用于进行变化参数Kn-n-1,j值一致性分析,根据变化参数Kn-n-1,j值一致性分析结果,判断是否有单体的变化参数Kn-n-1,j值异常且作为异常值重复出现次数最多。
下面参考图2-图12,结合具体实例,进一步阐述本发明的技术方案。
实施例1
以额定容量为300Ah的6并13串的梯次磷酸铁锂电池包为例,先静置5min,以300A的电流对电池包进行放电至任一模组达到截止电压2.7V,然后以300A的电流对电池包进行充电至任一模组达到截止电压3.6V,由此对电池包进行充放电循环。以相同的充放电循环测试步骤共进行3次测试,电池包测试及静置过程中均处于45℃恒温状态。
图2为第3次测试中各模组的电压曲线图,在各模组循环充、放电电压曲线中,第29次充、电后电压曲线出现异常,由于电池包中的模组在短时间内达到充电截止电压和放电截止电压,导致电池包不能正常充、放电。因此,选取电池包前28次的充电数据进行分析,在28次充电数据中选取符合的充电数据。
(1)计算电池包每次充电容量与后一次充电容量差值△C并相互对比,选取△C数值较小的对应充电数据。图3为电池包充电容量曲线图,根据每次充电容量计算每次充电容量与后一次充电容量差值△C。如图4为电池包△C曲线图,纵坐标为相邻两次充电容量差值,横坐标为对应的相邻两次充电次数。在3次测试中,后2次测试过程中充电容量数值变化较小,△C基本保持在±2Ah内。以-2Ah≤△C≤2Ah为充电数据选取条件,并结合图3和图4,选取测试1中的第2、3、6-9次充电数据、测试2中的所有数据、以及测试3中的第19-25、27次充电数据。
(2)计算电池包每次充电结束时各模组电压与后一次充电充电结束时各模组电压差值△U并相互对比,选取△U数值较小的对应充电数据。图5为充电结束时各模组的电压曲线图,可计算得到△U,如图6电池包中各模组△U曲线图所示。电池包的13个模组中,多数模组的△U不超过±10mV,以-10mV≤△U≤10mV为充电数据选取条件,并结合图5和图6,选取测试1中的6-9次充电数据、测试2中的第11-17次充电数据、测试3中的第20-25次充电数据。
综合考虑电池包△C和各模组的△U,选取的具体充电数据如表1所示:
表1 选取的充电数据统计
Figure BDA0002934624740000101
选取最先达到充电截止电压的模组,以其电压曲线为基准,计算每次充电时各模组的相对充电时间△tn,j。图7为充电时各模组电压曲线图,充电过程中10号模组最先达到充电截止电压,以10号模组的充电电压曲线为基准,计算其他模组的相对充电时间△tn,j及Kn-n-1,j值,并通过箱型图分析Kn-n-1,j值的一致性。
如图8相邻两次充电各模组Kn-n-1,j值箱型图所示,图中出现了多个异常值,统计Kn-n-1,j值异常的模组序号如表2所示,Kn-n-1,j值异常的模组为2号和6号模组。导致Kn-n-1,j值异常的原因有两个,分别是微短路和内阻较大,计算各模组内阻,做进一步的分析。
表2 Kn-n-1,j值异常的模组序号统计
Figure BDA0002934624740000102
Figure BDA0002934624740000111
通过每次测试前静置的电压与充电电压计算各模组的直流内阻,直流内阻计算公式为:
Figure BDA0002934624740000112
其中,k为测试次数;U1-k,j为j号模组k次测试静置时的电压;U2-k,j为j号模组k次测试开始充电后10s的电压;Ik为k次测试的充电电流。
计算出3次测试中各模组的直流内阻,如图9各模组直流内阻所示,图中6号模组的直流内阻值最大,证明6号模组Kn-n-1,j异常的原因是直流内阻值大。利用箱型图对电池包中模组的直流内阻一致性进行分析。图10为各模组直流内阻箱型图,可知电池包中不存在直流内阻异常的模组。为消除直流内阻对于诊断结果的影响,选取直流内阻值不超过3/4中位数的模组数据,即直流内阻值较大的6、7、10号模组的数据,以确保诊断结果的准确性。
对剩余模组进行Kn-n-1,j值一致性分析,如图11剩余模组相邻两次充电的Kn-n-1,j值箱型图所示。统计Kn-n-1,j值异常的模组序号,如表3所示,1、2号模组出现异常,对比1、2号模组的直流内阻可知,1号模组的直流内阻较大,其Kn-n-1,j值异常是受到了直流内阻的影响,且2号模组重复出现的次数最多,证明2号出现微短路。
表3 剩余模组中Kn-n-1,j值异常的模组序号统计
Figure BDA0002934624740000113
Figure BDA0002934624740000121
图12为第3次测试中2号模组的电压曲线图,对比图2第3次测试中各模组的电压曲线图,可知在测试末期,电池包不能正常充、放电是由于2号模组出现异常。2号模组在充、放电循环中可在短时间内达到充、放电的截止电压,证明2号模组的容量在快速衰减,测试前期2号模组的微短路随着时间已演变成了测试末期的内短路。基于此方法检测出能够检测出电池包发生了微短路,且可对发生微短路的单体进行定位,同时还可以筛选出直流内阻较大的单体。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。

Claims (4)

1.一种电池包微短路的在线诊断方法,其特征在于,包括以下步骤:
S1:统计电池包充电过程中时间、电压的数据;
S2:从充电数据中根据以下步骤进行数据选取:
S21、计算电池包每次充电容量与后一次充电容量差值△C并相互对比,选取△C数值小于第一阈值的对应充电数据;或者,
S22、计算电池包每次充电结束时各模组电压与后一次充电充电结束时各模组电压差值△U并相互对比,选取△U数值小于第二阈值的对应充电数据;
S3:以电池包中最先达到充电截止电压的单体的电压曲线为基准,计算其他各单体的相对充电时间Δtn,j=tn,0-tn,j,n为充电次数,j为单体序号,tn,0为电池包的充电时间,tn,j为第n次充电时,基准充电曲线上与j号单体充电结束时电压相同的电压点所对应的充电时间;
S4:计算可判定各单体相对充电时间变化的变化参数
Figure FDA0002934624730000011
Figure FDA0002934624730000012
S5:通过箱型图对各单体的变化参数Kn-n-1,j值一致性进行分析;
S6:统计变化参数Kn-n-1,j值异常的单体序号;
S7:计算各单体的直流内阻,并通过箱型图进行一致性分析;
S8:分析变化参数Kn-n-1,j值异常的单体直流内阻的一致性,筛选掉直流内阻在异常范围的单体;
S9:进行变化参数Kn-n-1,j值一致性分析,根据变化参数Kn-n-1,j值一致性分析结果,判断是否有单体的变化参数Kn-n-1,j值异常且作为异常值重复出现次数最多,若是该单体出现微短路;若否,则该单体未出现微短路,且该单体的内阻大于第三阈值。
2.如权利要求1所述的在线诊断方法,其特征在于,步骤S7中,直流内阻的计算公式为:
Figure FDA0002934624730000021
其中,k为测试次数;U1-k,j为j号模组k次测试静置时的电压;U2-k,j为j号模组k次测试开始充电后10s的电压;Ik为k次测试的充电电流。
3.一种电池包微短路的在线诊断系统,其特征在于,包括:
测量装置,用于统计电池包充电过程中时间、电压的数据;
数据选择装置:用于从充电数据中根据以下步骤进行数据选取:
计算电池包每次充电容量与后一次充电容量差值△C并相互对比,选取△C数值小于第一阈值的对应充电数据;或者,
计算电池包每次充电结束时各模组电压与后一次充电充电结束时各模组电压差值△U并相互对比,选取△U数值小于第二阈值的对应充电数据;
计算装置,用于以电池包中最先达到充电截止电压的单体的电压曲线为基准,计算其他各单体的相对充电时间Δtn,j=tn,0-tn,j,其中,n为充电次数,j为单体序号,tn,0为电池包的充电时间,tn,j为第n次充电时,基准充电曲线上与j号单体充电结束时电压相同的电压点所对应的充电时间;还用于计算可判定各单体相对充电时间变化的变化参数
Figure FDA0002934624730000022
分析装置,用于通过箱型图对各单体的变化参数Kn-n-1,j值一致性进行分析并统计变化参数Kn-n-1,j值异常的单体序号;以及用于计算各单体的直流内阻,并通过箱型图进行一致性分析;还用于分析变化参数Kn-n-1,j值异常的单体直流内阻的一致性,筛选掉直流内阻在异常范围的单体,以及用于进行变化参数Kn-n-1,j值一致性分析,根据变化参数Kn-n-1,j值一致性分析结果,判断是否有单体的变化参数Kn-n-1,j值异常且作为异常值重复出现次数最多。
4.如权利要求3所述的在线诊断系统,其特征在于,所述分析装置用于根据以下公式计算直流内阻:
Figure FDA0002934624730000031
其中,k为测试次数;U1-k,j为j号模组k次测试静置时的电压;U2-k,j为j号模组k次测试开始充电后10s的电压;Ik为k次测试的充电电流。
CN202110158122.3A 2021-02-04 2021-02-04 电池包微短路的在线诊断方法及系统 Pending CN112924873A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110158122.3A CN112924873A (zh) 2021-02-04 2021-02-04 电池包微短路的在线诊断方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110158122.3A CN112924873A (zh) 2021-02-04 2021-02-04 电池包微短路的在线诊断方法及系统

Publications (1)

Publication Number Publication Date
CN112924873A true CN112924873A (zh) 2021-06-08

Family

ID=76170601

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110158122.3A Pending CN112924873A (zh) 2021-02-04 2021-02-04 电池包微短路的在线诊断方法及系统

Country Status (1)

Country Link
CN (1) CN112924873A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113640704A (zh) * 2021-08-10 2021-11-12 苏州昊建自动化系统有限公司 一种电池漏电流检查装置及检查方法
CN113655370A (zh) * 2021-08-13 2021-11-16 海光信息技术股份有限公司 确定芯片异常测试工况的方法、装置、系统及相关设备
CN113884886A (zh) * 2021-10-22 2022-01-04 深圳市新威尔电子有限公司 电池测试生产中异常充放电芯的筛选方法
CN114137417A (zh) * 2021-11-19 2022-03-04 北京理工大学 一种基于充电数据特征的电池内短路检测方法
CN115015768A (zh) * 2022-08-10 2022-09-06 力高(山东)新能源技术有限公司 一种预测电池组异常电芯的方法
CN115047361A (zh) * 2022-05-26 2022-09-13 同济大学 一种基于序列相似度的电池内短路在线诊断方法
CN116154900A (zh) * 2023-01-05 2023-05-23 北京西清能源科技有限公司 一种电池储能电站的主动安全三级防控系统及方法
CN116299038A (zh) * 2023-02-13 2023-06-23 上海玫克生储能科技有限公司 电芯微短路的检测方法、系统、设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110187329A1 (en) * 2008-09-11 2011-08-04 Mitsumi Electric Co., Ltd. Battery condition detector, battery pack including same, and battery condition detecting method
CN105911410A (zh) * 2016-04-14 2016-08-31 合肥国轩高科动力能源有限公司 一种电池正负极之间微短路的检测方法
US20170123008A1 (en) * 2015-11-04 2017-05-04 Boston-Power, Inc. Device and method for detecting transient electrical short circuits in a battery cell or pack
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
CN108152755A (zh) * 2018-01-19 2018-06-12 上海理工大学 在线定量诊断电池微短路故障的方法
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
CN108363016A (zh) * 2018-02-22 2018-08-03 上海理工大学 基于人工神经网络的电池微短路定量诊断方法
CN110927604A (zh) * 2019-12-11 2020-03-27 内蒙古科技大学 一种极限条件下检测电池微短路的方法
CN111257755A (zh) * 2020-03-31 2020-06-09 上海玫克生储能科技有限公司 一种预防性检测诊断电池包方法
CN112068007A (zh) * 2020-07-31 2020-12-11 天津力神电池股份有限公司 一种电池极组一致性的检测方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110187329A1 (en) * 2008-09-11 2011-08-04 Mitsumi Electric Co., Ltd. Battery condition detector, battery pack including same, and battery condition detecting method
US20170123008A1 (en) * 2015-11-04 2017-05-04 Boston-Power, Inc. Device and method for detecting transient electrical short circuits in a battery cell or pack
CN105911410A (zh) * 2016-04-14 2016-08-31 合肥国轩高科动力能源有限公司 一种电池正负极之间微短路的检测方法
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
WO2018059074A1 (zh) * 2016-09-27 2018-04-05 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
CN108152755A (zh) * 2018-01-19 2018-06-12 上海理工大学 在线定量诊断电池微短路故障的方法
CN108363016A (zh) * 2018-02-22 2018-08-03 上海理工大学 基于人工神经网络的电池微短路定量诊断方法
CN110927604A (zh) * 2019-12-11 2020-03-27 内蒙古科技大学 一种极限条件下检测电池微短路的方法
CN111257755A (zh) * 2020-03-31 2020-06-09 上海玫克生储能科技有限公司 一种预防性检测诊断电池包方法
CN112068007A (zh) * 2020-07-31 2020-12-11 天津力神电池股份有限公司 一种电池极组一致性的检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
秦欢等: "磷酸铁锂电池包微短路诊断方法的研究", 《储能科学与技术》, 6 January 2021 (2021-01-06), pages 1 - 11 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113640704A (zh) * 2021-08-10 2021-11-12 苏州昊建自动化系统有限公司 一种电池漏电流检查装置及检查方法
CN113640704B (zh) * 2021-08-10 2024-01-30 苏州昊建自动化系统有限公司 一种电池漏电流检查装置及检查方法
CN113655370A (zh) * 2021-08-13 2021-11-16 海光信息技术股份有限公司 确定芯片异常测试工况的方法、装置、系统及相关设备
CN113884886A (zh) * 2021-10-22 2022-01-04 深圳市新威尔电子有限公司 电池测试生产中异常充放电芯的筛选方法
CN114137417A (zh) * 2021-11-19 2022-03-04 北京理工大学 一种基于充电数据特征的电池内短路检测方法
CN115047361A (zh) * 2022-05-26 2022-09-13 同济大学 一种基于序列相似度的电池内短路在线诊断方法
CN115015768B (zh) * 2022-08-10 2022-11-11 力高(山东)新能源技术股份有限公司 一种预测电池组异常电芯的方法
CN115015768A (zh) * 2022-08-10 2022-09-06 力高(山东)新能源技术有限公司 一种预测电池组异常电芯的方法
CN116154900A (zh) * 2023-01-05 2023-05-23 北京西清能源科技有限公司 一种电池储能电站的主动安全三级防控系统及方法
CN116154900B (zh) * 2023-01-05 2023-11-28 北京西清能源科技有限公司 一种电池储能电站的主动安全三级防控系统及方法
WO2024146353A1 (zh) * 2023-01-05 2024-07-11 北京西清能源科技有限公司 一种电池储能电站的主动安全三级防控系统及方法
CN116299038A (zh) * 2023-02-13 2023-06-23 上海玫克生储能科技有限公司 电芯微短路的检测方法、系统、设备及存储介质
CN116299038B (zh) * 2023-02-13 2024-04-05 上海玫克生储能科技有限公司 电芯微短路的检测方法、系统、设备及存储介质

Similar Documents

Publication Publication Date Title
CN112924873A (zh) 电池包微短路的在线诊断方法及系统
CN108254696B (zh) 电池的健康状态评估方法及系统
EP3933422A1 (en) Diagnosis method for distinguishing micro-short-circuit fault of battery from small-capacity fault of battery
Lu et al. A method of cell-to-cell variation evaluation for battery packs in electric vehicles with charging cloud data
CN108196190B (zh) 一种电池组在线故障诊断方法
US9678163B2 (en) Differential current monitoring for parallel-connected batteries
CN111036575B (zh) 一种基于温度变化分析的锂离子电池分选方法
CN102590751A (zh) 动力电池包一致性评估方法和装置
CN113602147B (zh) 电池故障检测方法及电池故障检测装置
CN113884922B (zh) 一种基于电压和电量离群系数的电池内短路定量诊断方法
CN112319308B (zh) 一种动力电池多故障检测方法与系统
Banaei et al. Real time condition monitoring in Li-Ion batteries via battery impulse response
CN108363016B (zh) 基于人工神经网络的电池微短路定量诊断方法
CN112198435B (zh) 一种锂离子电池配组方法
CN113406520A (zh) 针对现实新能源汽车的电池健康状态估计方法
CN112098875A (zh) 锂离子电池析锂的检测方法
Wang et al. Quantitative diagnosis of the soft short circuit for LiFePO4 battery packs between voltage plateaus
CN114487852A (zh) 动力电池余能检测方法、装置、计算机设备及存储介质
CN117517969A (zh) 基于弛豫电压曲线的锂电池老化与内短路故障的评估方法
CN115774200B (zh) 一种锂离子电池串联模组微/内短路检测方法
JP2022034380A (ja) 再生二次電池の製造方法
US20220214404A1 (en) Method for determining battery state and battery state determination device
JP7462068B2 (ja) 少なくとも1つのバッテリのバッテリ状態の試験方法及び装置
CN115608653A (zh) 电池系统中异常电池单元筛选的方法及筛选装置
Xu et al. Early warning of lithium battery progressive fault based on box plot

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210608