CN112924885B - 基于增量容量曲线峰值高度的电池内短路定量诊断方法 - Google Patents

基于增量容量曲线峰值高度的电池内短路定量诊断方法 Download PDF

Info

Publication number
CN112924885B
CN112924885B CN202110125389.2A CN202110125389A CN112924885B CN 112924885 B CN112924885 B CN 112924885B CN 202110125389 A CN202110125389 A CN 202110125389A CN 112924885 B CN112924885 B CN 112924885B
Authority
CN
China
Prior art keywords
battery
short circuit
incremental capacity
internal short
capacity curve
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
Application number
CN202110125389.2A
Other languages
English (en)
Other versions
CN112924885A (zh
Inventor
魏学哲
乔冬冬
戴海峰
王学远
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.)
Tongji University
Original Assignee
Tongji University
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 Tongji University filed Critical Tongji University
Priority to CN202110125389.2A priority Critical patent/CN112924885B/zh
Publication of CN112924885A publication Critical patent/CN112924885A/zh
Application granted granted Critical
Publication of CN112924885B publication Critical patent/CN112924885B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • 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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or SoC
    • G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
    • 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
    • G01R31/50—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

Abstract

本发明涉及一种基于增量容量曲线峰值高度的电池内短路定量诊断方法，包括如下步骤：1)建立电池在不同老化阶段、不同内短路阻值下的增量容量曲线，作为基准增量容量曲线；2)确定不同老化阶段基准增量容量曲线中特征峰的峰值高度与电池内短路的关系，获取不同老化阶段的电池内短路阻值估计模型；3)在线获取待测电池的增量容量曲线，并确定其老化阶段；4)获取待测电池增量容量曲线中特征峰的峰值高度，并与相应老化阶段基准增量容量曲线中特征峰的峰值高度进行比较，判断是否出现内短路；5)根据对应老化阶段的电池内短路阻值估计模型计算待测电池的电池内短路阻值。与现有技术相比，本发明具有实施简便、诊断时间短、诊断准确度高等优点。

Description

基于增量容量曲线峰值高度的电池内短路定量诊断方法
技术领域
本发明涉及储能电池技术领域，尤其是涉及一种基于增量容量曲线峰值高度的电池内短路定量诊断方法。
背景技术
近年来，锂电池由于其高比能量(功率)密度、长寿命和安全可靠等优点正逐渐成为电动汽车的主要动力源。然而锂离子电池也存在一定的潜在问题，最大的潜在问题之一即是热失控，因为锂离子电池发生热失控时会在数分钟内快速升温并出现放热连锁反应，最终导致电池冒烟、燃烧甚至爆炸。
现有的主流观点认为热失控是由于电池发生了内短路所致。为了提高电池的安全性，很多内短路诊断方法被提出，内短路检测算法可以分为以下4种类型：1)比较短时间内电压和温度的变化。在电池发生内短路末期，可以通过BMS监控电池电压异常降低和温度的异常升高来判断电池是否发生内短路。该方法主要适用于内短路发生的末期。然而这种方法没有足够的时间裕度和安全裕度来采取应对措施。2)模型参数差异法。根据短路电池与正常电池模型参数之间的差异来诊断电池是否发生内短路，但这种方法只能探测到内短路的有无无法定量对内短路进行诊断。3)电量损失法。通过计算电池长时间的漏电量可以定量诊断电池内短路，然而该方法持续时间较长，时效性较差。4)传感器直接测量。在并联电池组中，由于内短路电池持续放电，则其开路电压会逐渐降低，导致其它正常电池会向短路电池充电，在并联电池中串联电流表来监控这种充电效应也能够定量诊断电池组。然而该方法会大幅增加电池组成本，同时降低电池组的体积能量密度。5)交流阻抗法。将待测电池交流阻抗谱与正常电池交流阻抗谱进行比较，可以辨识出电池是否发生内短路，但是这种方法成本比较高，实现技术难度高，同时无法定量计算内短路阻值。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于增量容量曲线峰值高度的电池内短路定量诊断方法。
本发明的目的可以通过以下技术方案来实现：
一种基于增量容量曲线峰值高度的电池内短路定量诊断方法，该方法包括如下步骤：
1)离线建立电池在不同老化阶段、不同内短路阻值下的增量容量曲线，作为基准增量容量曲线；
2)离线确定不同老化阶段基准增量容量曲线中特征峰的峰值高度与电池内短路的关系，并获取不同老化阶段的电池内短路阻值估计模型；
3)在线获取待测电池的增量容量曲线，并确定其老化阶段；
4)获取待测电池增量容量曲线中特征峰的峰值高度，并与相应老化阶段基准增量容量曲线中特征峰的峰值高度进行比较，判断是否出现内短路；
5)根据对应老化阶段的电池内短路阻值估计模型计算待测电池的电池内短路阻值。
优选地，步骤1)和步骤3)中增量容量曲线通过如下方式获得：
a)获取对应电池在标准充电工况下的充电电压曲线，根据充电电压曲线获取初始增量容量曲线；
b)采用滤波算法对原始增量容量曲线进行滤波得到相应的增量容量曲线。
优选地，所述的初始增量容量曲线为电池增量容量dQ/dV与电池端电压V的关系曲线，dQ为电池容量增量，dV为对应地电池端电压增量。
优选地，电池增量容量dQ/dV通过差分法获得，具体通过如下公式计算得到：
Figure BDA0002923403880000021
其中，ΔQ为电池容量增量，ΔV为电池端电压增量，Qt2和Qt1分别为t2时刻和t1时刻的电池电量，Vt2和Vt1分别为t2时刻和t1时刻的电池端电压。
优选地，滤波算法采用卡尔曼滤波算法。
优选地，步骤1)具体包括：
11)对所述电池进行离线耐久性循环寿命实验，每隔一段时间进行一次标准容量测试，确定其老化阶段；
12)在电池的不同老化阶段进行不同内短路阻值下的标准工况的充电实验；
13)根据充电实验数据获取对应老化阶段的不同内短路阻值下的原始增量容量曲线；
14)采用滤波算法对原始增量容量曲线进行滤波得到相应的老化阶段的不同内短路阻值下的基准增量容量曲线。
优选地，步骤2)具体为：将属于同一老化阶段的不同内短路阻值下的基准增量容量曲线绘制于同一坐标系中，选取特征峰，对应获取不同内短路阻值下特征峰的峰值高度，以峰值高度为自变量，内短路阻值为因变量进行拟合得到电池内短路阻值估计模型。
优选地，步骤4)具体为：
41)根据待测电池的老化阶段选取对应阶段未发生内短路的基准增量容量曲线；
42)比较待测电池增量容量曲线以及选取的基准增量容量曲线中特征峰的峰值高度，若待测电池增量容量曲线中特征峰的峰值高度高于基准增量容量曲线中特征峰的峰值高度，则待测电池发生内短路，否则待测电池未发生内短路。
优选地，步骤5)具体为：获取待测电池增量容量曲线中特征峰的峰值高度并代入电池内短路阻值估计模型进行计算得到待测电池的电池内短路阻值。
优选地，步骤1)中通过给电池并联不同阻值的电阻来模拟不同的内短路阻值。
与现有技术相比，本发明具有如下优点：
(1)本发明电池内短路定量诊断方法够在线快速、准确的计算出电池在每次循环过程的是否发生内短路，及内短路阻值，可以有效提高电动汽车的安全性。
(2)本发明方法具有实施简便、诊断时间短、诊断准确度高等优点。
附图说明
图1为本发明方法的流程框图；
图2为本发明实施例中某一老化阶段下不同内短路阻值时的标准工况充电电压曲线；
图3为本发明实施例中差分法得到的增量容量曲线；
图4为本发明实施例中经卡尔曼滤波后的增量容量曲线；
图5为本发明特定老化阶段下不同内短路阻值时的增量容量曲线；
图6为本发明实施例中特定老化阶段基准增量容量曲线中特征峰的峰值高度与电池内短路的关系曲线。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。注意，以下的实施方式的说明只是实质上的例示，本发明并不意在对其适用物或其用途进行限定，且本发明并不限定于以下的实施方式。
实施例
如图1所示，一种基于增量容量曲线峰值高度的电池内短路定量诊断方法，该方法包括如下步骤：
1)离线建立电池在不同老化阶段、不同内短路阻值下的增量容量曲线，作为基准增量容量曲线；
2)离线确定不同老化阶段基准增量容量曲线中特征峰的峰值高度与电池内短路的关系，并获取不同老化阶段的电池内短路阻值估计模型；
3)在线获取待测电池的增量容量曲线，并确定其老化阶段；
4)获取待测电池增量容量曲线中特征峰的峰值高度，并与相应老化阶段基准增量容量曲线中特征峰的峰值高度进行比较，判断是否出现内短路；
5)根据对应老化阶段的电池内短路阻值估计模型计算待测电池的电池内短路阻值。
步骤1)和步骤3)中增量容量曲线通过如下方式获得：
a)获取对应电池在标准充电工况下的充电电压曲线，根据充电电压曲线获取初始增量容量曲线；
b)采用滤波算法对原始增量容量曲线进行滤波得到相应的增量容量曲线。
初始增量容量曲线为电池增量容量dQ/dV与电池端电压V的关系曲线，dQ为电池容量增量，dV为对应地电池端电压增量。
电池增量容量dQ/dV通过差分法获得，具体通过如下公式计算得到：
Figure BDA0002923403880000041
其中，ΔQ为电池容量增量，ΔV为电池端电压增量，Qt2和Qt1分别为t2时刻和t1时刻的电池电量，Vt2和Vt1分别为t2时刻和t1时刻的电池端电压。
滤波算法采用卡尔曼滤波算法。
步骤1)具体包括：
11)对所述电池进行离线耐久性循环寿命实验，每隔一段时间进行一次标准容量测试，确定其老化阶段；
12)在电池的不同老化阶段进行不同内短路阻值下的标准工况的充电实验；
13)根据充电实验数据获取对应老化阶段的不同内短路阻值下的原始增量容量曲线；
14)采用滤波算法对原始增量容量曲线进行滤波得到相应的老化阶段的不同内短路阻值下的基准增量容量曲线。
步骤2)具体为：将属于同一老化阶段的不同内短路阻值下的基准增量容量曲线绘制于同一坐标系中，选取特征峰，对应获取不同内短路阻值下特征峰的峰值高度，以峰值高度为自变量，内短路阻值为因变量进行拟合得到电池内短路阻值估计模型。
步骤4)具体为：
41)根据待测电池的老化阶段选取对应阶段未发生内短路的基准增量容量曲线；
42)比较待测电池增量容量曲线以及选取的基准增量容量曲线中特征峰的峰值高度，若待测电池增量容量曲线中特征峰的峰值高度高于基准增量容量曲线中特征峰的峰值高度，则待测电池发生内短路，否则待测电池未发生内短路。
步骤5)具体为：获取待测电池增量容量曲线中特征峰的峰值高度并代入电池内短路阻值估计模型进行计算得到待测电池的电池内短路阻值。
步骤1)中通过给电池并联不同阻值的电阻来模拟不同的内短路阻值。
本实施例中以为18650三元锂离子电池为例进行内短路诊断：
1、离线进行耐久性循环寿命实验及不同短路电阻下的标准充电实验。
在此步骤中充放电截止电压分别为4.2V和2.5V，实际应用中并不限于此，然后对电池进行耐久性循环寿命实验。间隔一定充放电循环进行电池容量标定测试。在完成电池容量标定测试后短接不同阻值的电阻进行标准工况的充电实验，本案例选择外接不同阻值电阻来模拟电池发生内短路，电阻分别为100Ω、200Ω、500Ω、1000Ω进行标准工况下的充电实验。获取电池从寿命开始至寿命结束不同阶段的标准容量，及不同阶段、不同短路电阻下的标准充电数据，如图2所示。
2、构建各老化阶段不同短路阻值下的增量容量曲线：
构建各老化阶段不同短路阻值下的增量容量曲线，本实施例采用差分法构建增量容量曲线，如图3所示。
这种计算方法会因为数值微分引入过多的噪声，影响对增量容量曲线峰的辨识，因此需要对其做进一步的滤波处理。常见的滤波算法有平均滤波、高斯滤波、卡尔曼滤波等算法。
本案例选择卡尔曼滤波算法对增量容量曲线进行滤波，其状态方程和观测方程分别为
xk＝xk-1+wk
yk＝xk+vk
其中，xk为k时刻的增量容量
Figure BDA0002923403880000061
yk为带有观测噪声的xk，wk为附加的高斯过程噪声，vk为观测噪声。卡尔曼滤波具体步骤如下：
Figure BDA0002923403880000062
Figure BDA0002923403880000063
Figure BDA0002923403880000064
Figure BDA0002923403880000065
Figure BDA0002923403880000066
其中，
Figure BDA0002923403880000067
为协方差矩阵，Kk为Kalman增益，Q为系统噪声协方差，R为观测噪声协方差。卡尔曼滤波后增量容量曲线如图4所示。
3、确定不同老化阶段增量容量曲线峰值高度与电池内短路的关系：
以端电压为横轴，增量容量曲线为纵轴，绘制不同老化阶段下滤波后的增量容量曲线，这里仅给出特定老化状态和电阻下的增量容量曲线，如图5所示。
从图5可以看出，增量容量曲线呈现出不同的峰和谷，将其划分为4个峰和3个谷，峰分别为峰A，峰B，峰C和峰D，谷分别为谷A，谷B和谷C，随着短路电阻的降低(代表电池发生内短路)，增量容量曲线呈上降的趋势，初步体现出了增量容量曲线与电池内短路存在相关性。
选取与电池内短路相关的不同峰的高度作为特征，并建立增量容量曲线峰值高度与电池短路阻值之间的关系；峰A的SOC范围为0～16％，处于低SOC区间，由于电动汽车在实际使用过程通常不会将电量放空至0％SOC，因此在大多充电过程中不能采集到峰A所对应的充电电压数据，使得该峰难以在实车在线使用。
因此本实施例中优选峰B来建立峰值高度H与短路电阻的关系。图6绘制了峰B的高度与电池内短路阻值之间的对应关系，由此本实施例中电池内短路阻值估计模型为线性分段函数形式，需要说明的是：以峰值高度为自变量，内短路阻值为因变量进行拟合得到电池内短路阻值估计模型中拟合函数可以根据需要设定，不限于本实施例线性分段函数形式。
4、在线获取增量容量曲线特征并确定电池是否发生内短路；
判断电池是否发生内短路常用的方法为：根据峰B、C和D的高度，谷B、C和D的深度，同时衍生的有对应峰的面积大小。在实际车载应用中，电池管理系统在充电过程中实时采集电池的端电压以及电流，并得到当前电池状态下的增量容量曲线。然后根据峰的高度、谷的深度和峰的面积进行判断。本实施例选用峰B的高度进行判断。若在线获取B的峰值高度大于未短路情况下对应增量容量曲线峰值高度，则认为该电池发生内短路，否则判定该电池未发生内短路。
5、根据在线获取增量容量曲线峰值高度定量计算内短路阻值。
将在线获取增量容量曲线峰B的高度带入图6中峰B高度与内短路的电池内短路阻值估计模型中，可以获得内短路电池的短路电阻。
在实际应用中除峰B外，峰C和D，谷A，B和C均可建立峰值高度与内短路关系，并以此为基础在线进行电池内短路诊断。
上述实施方式仅为例举，不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施，且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。

Claims (9)

1.一种基于增量容量曲线峰值高度的电池内短路定量诊断方法，其特征在于，该方法包括如下步骤：
1)离线建立电池在不同老化阶段、不同内短路阻值下的增量容量曲线，作为基准增量容量曲线；
2)离线确定不同老化阶段基准增量容量曲线中特征峰的峰值高度与电池内短路的关系，并获取不同老化阶段的电池内短路阻值估计模型；
3)在线获取待测电池的增量容量曲线，并确定其老化阶段；
4)获取待测电池增量容量曲线中特征峰的峰值高度，并与相应老化阶段基准增量容量曲线中特征峰的峰值高度进行比较，判断是否出现内短路；
5)根据对应老化阶段的电池内短路阻值估计模型计算待测电池的电池内短路阻值；
步骤2)具体为：将属于同一老化阶段的不同内短路阻值下的基准增量容量曲线绘制于同一坐标系中，选取特征峰，对应获取不同内短路阻值下特征峰的峰值高度，以峰值高度为自变量，内短路阻值为因变量进行拟合得到电池内短路阻值估计模型。
2.根据权利要求1所述的一种基于增量容量曲线峰值高度的电池内短路定量诊断方法，其特征在于，步骤1)和步骤3)中增量容量曲线通过如下方式获得：
a)获取对应电池在标准充电工况下的充电电压曲线，根据充电电压曲线获取初始增量容量曲线；
b)采用滤波算法对原始增量容量曲线进行滤波得到相应的增量容量曲线。
3.根据权利要求2所述的一种基于增量容量曲线峰值高度的电池内短路定量诊断方法，其特征在于，所述的初始增量容量曲线为电池增量容量dQ/dV与电池端电压V的关系曲线，dQ为电池容量增量，dV为对应地电池端电压增量。
4.根据权利要求3所述的一种基于增量容量曲线峰值高度的电池内短路定量诊断方法，其特征在于，电池增量容量dQ/dV通过差分法获得，具体通过如下公式计算得到：
Figure FDA0003318966030000011
其中，ΔQ为电池容量增量，ΔV为电池端电压增量，Qt2和Qt1分别为t2时刻和t1时刻的电池电量，Vt2和Vt1分别为t2时刻和t1时刻的电池端电压。
5.根据权利要求2所述的一种基于增量容量曲线峰值高度的电池内短路定量诊断方法，其特征在于，滤波算法采用卡尔曼滤波算法。
6.根据权利要求2所述的一种基于增量容量曲线峰值高度的电池内短路定量诊断方法，其特征在于，步骤1)具体包括：
11)对所述电池进行离线耐久性循环寿命实验，每隔一段时间进行一次标准容量测试，确定其老化阶段；
12)在电池的不同老化阶段进行不同内短路阻值下的标准工况的充电实验；
13)根据充电实验数据获取对应老化阶段的不同内短路阻值下的原始增量容量曲线；
14)采用滤波算法对原始增量容量曲线进行滤波得到相应的老化阶段的不同内短路阻值下的基准增量容量曲线。
7.根据权利要求1所述的一种基于增量容量曲线峰值高度的电池内短路定量诊断方法，其特征在于，步骤4)具体为：
41)根据待测电池的老化阶段选取对应阶段未发生内短路的基准增量容量曲线；
42)比较待测电池增量容量曲线以及选取的基准增量容量曲线中特征峰的峰值高度，若待测电池增量容量曲线中特征峰的峰值高度高于基准增量容量曲线中特征峰的峰值高度，则待测电池发生内短路，否则待测电池未发生内短路。
8.根据权利要求1所述的一种基于增量容量曲线峰值高度的电池内短路定量诊断方法，其特征在于，步骤5)具体为：获取待测电池增量容量曲线中特征峰的峰值高度并代入电池内短路阻值估计模型进行计算得到待测电池的电池内短路阻值。
9.根据权利要求1所述的一种基于增量容量曲线峰值高度的电池内短路定量诊断方法，其特征在于，步骤1)中通过给电池并联不同阻值的电阻来模拟不同的内短路阻值。
CN202110125389.2A 2021-01-29 2021-01-29 基于增量容量曲线峰值高度的电池内短路定量诊断方法 Active CN112924885B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110125389.2A CN112924885B (zh) 2021-01-29 2021-01-29 基于增量容量曲线峰值高度的电池内短路定量诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110125389.2A CN112924885B (zh) 2021-01-29 2021-01-29 基于增量容量曲线峰值高度的电池内短路定量诊断方法

Publications (2)

Publication Number Publication Date
CN112924885A CN112924885A (zh) 2021-06-08
CN112924885B true CN112924885B (zh) 2021-12-31

Family

ID=76168445

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110125389.2A Active CN112924885B (zh) 2021-01-29 2021-01-29 基于增量容量曲线峰值高度的电池内短路定量诊断方法

Country Status (1)

Country Link
CN (1) CN112924885B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113848495B (zh) * 2021-10-11 2023-11-21 江苏省特种设备安全监督检验研究院 基于充电曲线的内部微短路故障诊断方法
KR20230093913A (ko) * 2021-12-20 2023-06-27 삼성전자주식회사 배터리의 단락 검출 장치 및 방법
CN114264961B (zh) * 2021-12-23 2023-09-15 蜂巢能源科技(无锡)有限公司 一种电芯内短路的检测方法、装置和电子设备
CN116794542B (zh) * 2023-06-06 2024-01-16 东莞市腾威动力新能源有限公司 一种储能电池短路检测和保护的方法及系统
CN117719345A (zh) * 2024-02-06 2024-03-19 湖北工业大学 一种基于ic曲线考虑老化的电池微短路量化方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002008631A (ja) * 2000-06-16 2002-01-11 Mitsubishi Heavy Ind Ltd 内部短絡検出装置、内部エネルギ吸収装置及び二次電池
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
CN107843802A (zh) * 2017-10-23 2018-03-27 北京小米移动软件有限公司 内短路检测方法及装置
CN109884546A (zh) * 2017-12-04 2019-06-14 财团法人工业技术研究院 电池内短路阻抗的检测方法和系统
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
CN112098893A (zh) * 2020-09-18 2020-12-18 哈尔滨理工大学 一种适用于电动汽车的基于初始容量差异的电池内短路故障诊断方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018124721A1 (en) * 2016-12-27 2018-07-05 Samsung Electronics Co., Ltd. Method and electronic device for detecting internal short circuit in battery

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002008631A (ja) * 2000-06-16 2002-01-11 Mitsubishi Heavy Ind Ltd 内部短絡検出装置、内部エネルギ吸収装置及び二次電池
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
CN107843802A (zh) * 2017-10-23 2018-03-27 北京小米移动软件有限公司 内短路检测方法及装置
CN109884546A (zh) * 2017-12-04 2019-06-14 财团法人工业技术研究院 电池内短路阻抗的检测方法和系统
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
CN112098893A (zh) * 2020-09-18 2020-12-18 哈尔滨理工大学 一种适用于电动汽车的基于初始容量差异的电池内短路故障诊断方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《Capacity detection of internal short circuit》;T.Reichl;《Journal of Energy Storage》;20180215;第345-349页 *
《动力锂离子电池热失控燃烧特性研究进展》;张亚军 等;《机械工程学报》;20191031;第17-27页 *

Also Published As

Publication number Publication date
CN112924885A (zh) 2021-06-08

Similar Documents

Publication Publication Date Title
CN112924885B (zh) 基于增量容量曲线峰值高度的电池内短路定量诊断方法
CN112092675B (zh) 一种电池热失控预警方法、系统及服务器
CN111610456B (zh) 一种区分电池微短路和小容量故障的诊断方法
JP6991616B2 (ja) 電流パルス法による電池診断装置及び電池診断方法
JP6918433B1 (ja) 劣化度診断装置
CN107843853B (zh) 一种动力电池组串联连接故障诊断方法
CN114430080B (zh) 一种基于运行数据的动力电池电芯异常自放电的识别方法
CN109828220B (zh) 一种锂离子电池健康状态线性评估方法
CN111308379B (zh) 一种基于局部恒压充电数据的电池健康状态估计方法
WO2019033391A1 (zh) 用于检测电池组一致性的方法、装置及系统
CN109116242B (zh) 一种动力电池的数据处理方法和装置
CN112924884B (zh) 基于增量容量曲线峰值面积的电池内短路定量诊断方法
CN112578298B (zh) 电池温度估算方法、装置、电子设备及存储介质
CN113848495B (zh) 基于充电曲线的内部微短路故障诊断方法
KR20160080802A (ko) 배터리 팩의 저항 측정 장치 및 방법
CN112485695A (zh) 动力电池的检测方法及装置
CN115754724A (zh) 一种适用于未来不确定性动态工况放电的动力电池健康状态估计方法
CN105785278A (zh) 电池寿命评估方法及装置
CN117031337A (zh) 一种电芯内短路检测方法、装置、存储介质及设备
CN116819332A (zh) 一种电池故障诊断方法、装置、介质及bms系统
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
CN116256642A (zh) 一种适用于稀疏数据的磷酸铁锂电池故障诊断方法
CN115166566A (zh) 一种在线识别电池自放电率异常的方法
CN115469226A (zh) 一种基于运行大数据的电动汽车动力电池实时安全预警方法
CN115428231A (zh) 电池诊断设备和电池诊断方法

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