CN113376534A - 动力电池早期故障相平面诊断方法及超前预警系统 - Google Patents
动力电池早期故障相平面诊断方法及超前预警系统 Download PDFInfo
- Publication number
- CN113376534A CN113376534A CN202110518346.0A CN202110518346A CN113376534A CN 113376534 A CN113376534 A CN 113376534A CN 202110518346 A CN202110518346 A CN 202110518346A CN 113376534 A CN113376534 A CN 113376534A
- Authority
- CN
- China
- Prior art keywords
- battery
- voltage
- phase plane
- sample entropy
- diagnosis
- 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.)
- Granted
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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本公开提出了动力电池早期故障相平面诊断方法及超前预警系统,包括:以电池的电压值为横坐标,用电池电压的一阶差分代替电压的导数作为纵坐标构成的相平面,称为电压相平面;将根据电池电压和电池电压的一阶差分绘制在电压相平面中的点定义为电池状态点;基于滑动窗口计算电池状态点的样本熵,利用样本熵评价电池是否故障。本故障诊断方法融合了样本熵方法和相平面,利用相平面填补了样本熵方法的不足,通过样本熵对电池状态点的复杂度进行分析,实现了全故障的诊断。
Description
技术领域
本公开属于故障诊断技术领域,尤其涉及动力电池早期故障相平面诊断方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
锂离子电池需工作在适宜的电压、电流、温度等安全区间内。当电池在使用过程中不断老化,其容量逐渐衰减、内阻不断增加,安全性变差,安全工作区间也随之改变。如管控不当,动力电池极易发生过充、过放、过流、过热等滥用行为,甚至演化为安全事故。故障诊断是保障电池安全可靠运行的监测技术。然而,电池早期微小故障具有强隐蔽性、渐变性、强传播性,导致对故障溯源和超前预警十分困难。
目前常用的基于阈值的方法具有简单、易实现等优势,能够有效检测出电池显著故障,已广泛应用于车载电池管理系统BMS。然而,随着电池老化,电池安全阈值区间将发生显著变化,基于阈值的方法易引发误报、不报等问题,且无法应用于故障电池电压、电流、温度等参数未超过阈值时的情况。
中国发明专利申请(专利号ZL201911024438.2)提出了一种基于修正样本熵的电池早期故障诊断方法,该方法创造性地引入了样本熵作为故障检测的参量,能够比较灵敏地检测出引起电压发生突变的故障,效果比一般的阈值检测方法好。可是由于该方法只使用了电池电压一个状态量,对于一些过于细微的电池故障检测效果并不理想。
发明内容
为克服上述现有技术的不足,本公开提供了动力电池早期故障相平面诊断方法,提高了电池故障的检测效果。
为实现上述目的,本公开的一个或多个实施例提供了如下技术方案:
第一方面,公开了动力电池早期故障相平面诊断方法,包括:
以电池的电压值为横坐标,用电池电压的一阶差分代替电压的导数作为纵坐标构成的相平面,称为电压相平面;
将根据电池电压和电池电压的一阶差分绘制在电压相平面中的点定义为电池状态点;
基于滑动窗口计算电池状态点的样本熵,利用样本熵评价电池是否故障。
进一步的技术方案,计算样本熵时,选取一个固定的长度,包括一定量的序列数据,该长度记作窗口的长度,当当前窗口的样本熵数值计算完成后,窗口向时间的正方向移动预设的步长,以进行下一次的计算,具有上述要素的窗口构成滑动窗口。
进一步的技术方案,计算电池状态点的样本熵时,具体为:
获得按时间顺序排列的电压状态点序列;
将上述序列按序组成一组维数的向量序列;
将任意两个状态点之间的距离值定义为二者在相平面上的欧式距离;
定义任意两个向量之间的距离为两向量对应元素之间距离的最大值;
基于上述距离获得状态点的样本熵。
进一步的技术方案,在进行故障诊断时,若状态点的样本熵的大于设定阈值时,则认为该电池出现了故障。
第二方面,公开了动力电池早期故障相平面诊断超前预警系统,包括:
电压相平面构建模块,被配置为:以电池的电压值为横坐标,用电池电压的一阶差分代替电压的导数作为纵坐标构成的相平面,称为电压相平面;
电池状态点定义模块,被配置为:将根据电池电压和电池电压的一阶差分绘制在电压相平面中的点定义为电池状态点;
样本熵计算模块,被配置为:基于滑动窗口计算电池状态点的样本熵,利用样本熵评价电池是否故障,并进行超前预警。
以上一个或多个技术方案存在以下有益效果:
本故障诊断方法融合了样本熵方法和相平面,利用相平面填补了样本熵方法的不足,通过样本熵对电池状态点的复杂度进行分析,实现了全故障的诊断。
本方法准确度高、鲁棒性强,能有效检测出电池早期微小故障,本发明简单易行,无需增设另外的检测设备,仅凭现有的电压传感器即可完成诊断。同时本算法时间、空间复杂度不高,对检测系统的运算能力要求较小,节省了大量计算成本。
本公开技术方案只需要采集进行故障诊断的电池单体的电压数据即可。应用上,对于只含有一节电池单体,或者只能采样到总电压的系统,可以使用本公开技术方案进行早期诊断。
本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为本公开实施例无故障情况下电池电压相平面图;
图2(a)为本公开实施例UDDS工况下8节串联电池单体的电压波形图;
图2(b)为本公开实施例电池模组样本熵曲线图;
图3为本公开实施例模组1三维电压相平面散点图;
图4为本公开实施例模组2三维电压相平面散点图;
图5为本公开实施例模组4三维电压相平面散点图;
图6为本公开实施例模组6三维电压相平面散点图;
图7为本公开实施例电池模组的二维样本熵示意图。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
电池故障检测的基本原理是发现‘不正常’电压序列信息,‘不正常’意味着与其他的电压序列有比较大的区别。样本熵作为一个统计学概念,能够通过描述产生新模式的概率大小来衡量时间序列复杂性,从而检测是否有‘不正常’的电压序列产生。
而电压信息的不正常不仅仅体现在电压值的不正常上,电压的变化速度不正常同样可以作为电压不正常的一个判断标准,本公开技术方案以此为出发点,引入电池电压的相平面,从电压和电压的一阶差分两个维度采用样本熵的规则进行运算,对电池的故障情况做出评估。
实施例一
本实施例公开了动力电池早期故障相平面诊断方法,具体包括:
构建电压相平面步骤:在控制系统中,以状态变量x(t)为横坐标,x’(t)为纵坐标,构成的直角坐标平面称为相平面。
在解决与电池相关的问题时,以电池的电压值为横坐标,用电池电压的一阶差分代替电压的导数作为纵坐标构成的相平面,称为电压相平面。
此处的电池不做具体限定,包括不限于串联的电池模组、单节电池单体等。
对于连续的信号,相平面的纵坐标为横坐标的导数。采样得到的电压信号为离散信号,故用横坐标的一阶差分作为相平面的纵坐标。
定义电池状态点步骤:将根据电池电压和电池电压的一阶差分绘制在电压相平面中的点定义为电池状态点,记作pi。
某电池以1s为采样频率,进行200s的采集绘制的电池状态点如图1所示,在正常情况下这些电池状态点在相平面中分布较为集中。
滑动窗口:计算样本熵时,需要选取部分序列进行计算,选取一个固定的长度,将一定量的数据包括在其中,这个长度记作窗口的长度。当当前窗口的样本熵数值计算完成后,窗口向时间的正方向移动预设的步长,以便进行下一次的计算。具有这样要素的窗口就构成了滑动窗口。
状态点的样本熵计算步骤:对于N个按时间顺序排列的电压状态点序列:
{p(i)}=p(1),p(2)......p(N)
=(U(1),U'(1)),(U(2),U'(2)),......,(U(N),U'(N))
将其按序组成一组维数为m的向量序列:
Pm(1),Pm(2),Pm(3),......,Pm(N-m+1)
其中Pm(i)={p(i),p(i+1),p(i+2),......,p(i+m-1)},1≤i≤N-m+1
将两个状态点p(a)与p(b)之间的距离值定义为二者在相平面上的欧式距离,即:
定义向量p(i)与向量Pm(j)之间的距离d[Pm(i),Pm(j)]为两向量对应元素之间距离的最大值。即:
对于1≤i≤N-m,定义:
定义:
将向量的维度增加到m+1维,统计与Pm+1(i)距离小于r的向量个数记为Ai。
对于1≤i≤N-m,定义:
定义:
在上述基础下,将状态点的样本熵定义为:
更为具体的实施例子中,上述方法包括:
步骤一、电压采样:
以一定的采样频率不间断采集电压信号。采样频率应适中,根据实际应用环境结合经验决定,过低的采样频率会导致故障诊断系统失灵。
步骤二、信号处理:
根据采集的电压计算电压一阶差分,即前后两个采样点采得电压的差值。信号处理和电压采样并行进行,不应干扰电压采样,此处并行处理能够提高数据的处理速度及效率;
计算得到电压差分序列后,每个采样点的电压与该采样点和下一个采样点电压的差分组成电压状态点。
如对于电压序列V(1),V(2),V(3)……计算得到的电压状态点序列应为:(V(1),V(2)-V(1)),(V(2),V(3)-V(2))……
步骤三、故障诊断:
①设置滑动窗口,每次只对滑动窗口中的数据进行故障诊断,诊断完成后窗口后移,进行下一组数据的故障诊断。滑动窗口的大小根据实际问题结合经验决定。
②计算滑动窗口中电压状态点的样本熵。若样本熵过大则认为出现故障。
故障的诊断应与信号处理、电压采样并行进行,理论上对于同一组数据只要故障诊断用时≤电压采样用时且信号处理用时≤电压采样用时即可实现故障的实时诊断。
为了说明上述方案的有效性,具体案例如下:
8节串联电池单体在UDDS工况下的电压波形如图2(a)所示。其中电池单体2、6和3分别在不同的时间段发生了短路故障和两次不同程度的接触不良故障。已知发生轻度短路故障时,电压会迅速发生小幅度波动,发生接触不良故障时电压会根据故障的程度在正常值和较大值之间反复波动。
电池模组6出现的接触不良故障程度较重,故障发生时模组电压明显上升,峰值超过3.4v,与正常状态差距较大。但对于模组2和模组4,由于其故障程度较轻,在电压波形图中难以发现明显异常。
用中国发明专利申请(专利号ZL201911024438.2)提出的基于修正样本熵的电池早期故障诊断方法(以下简称“样本熵方法”)对以上故障进行检测,检测结果如图2(b)所示。
没有故障发生时,所有电池模组的样本熵均为0。当电池模组6发生接触不良故障时,其样本熵值显著上升,达到了0.053,故障消除后,样本熵降低为0。当电池模组4发生较轻的接触不良故障时,其样本熵也出现了轻度的上升,达到了0.0021,故障消除后同样回归0值。当模组2发生短路故障时,其样本熵值依然为0,没有出现任何浮动。
分析上图2(b),程度较重的接触不良故障发生时,样本熵方法做出了准确且肯定的诊断;程度较轻的接触不良故障发生时,样本熵方法反应较小,给出的诊断结果置信度较低;短路故障发生时,样本熵方法没有任何响应。这表明样本熵方法在对部分电池故障有不错的诊断效果的同时,对另一部分故障无能为力。
样本熵方法失效的原因在于没有充分地利用电压信息,仅注重电压值而忽略了可能由故障引起的电压变化速度异常。为解决上述问题,本文引入相平面对样本熵方法进行改进。
为展示电池状态点在相平面上随时间的变化情况,参见附图3所示,以采样时间为x轴,电池模组的电压为y轴,电压的一阶差分为z轴,分别绘制电池模组1,2,4,6的三维电压相平面散点图。
模组1始终处于平稳运行状态,其电压状态点相对稳定,在三维图中表现为较均匀直线分布。
图4可见,大多数状态点与模块1的相似,呈较均匀的直线分布。而在故障时段内(800s—1000s),部分状态点出现了明显的立向(z轴方向)偏移。以图中标注的点为例,立向分量最大值达到0.1v,最小值低于-0.06v,与正常点差别显著。
图5中,模组4发生故障时,其电压状态点并没有出现明显偏离,这是由于轻度接触不良时电池电压只会发生小幅度跳动,电压和电压变化都不会突破域值。因此仅通过相平面无法诊断出所有的电池故障。
图6中可见,模组6发生接触不良故障时,电压状态点发生了明显的纵向(y轴方向)偏移,峰值达到3.425,远超正常值。按照专利提出的方法计算电池模组的二维样本熵,参见附图7所示。
电池模组正常运行时,所有电池模组的的二维样本熵均为0,当任何一个模组发生故障,该模组的样二维本熵迅速上升,以此为依据实现故障的诊断。故障消除后,模组的样本熵回归为0。
从上例可见,本发明对电池微小故障非常敏感,能实现几乎所有类型的电池故障的诊断。
实施例二
本实施例的目的是提供一种计算装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述方法的步骤。
实施例三
本实施例的目的是提供一种计算机可读存储介质。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时执行上述方法的步骤。
实施例四
本实施例的目的是提供动力电池相平面法早期故障超前预警系统,包括:
电压相平面构建模块,被配置为:以电池的电压值为横坐标,用电池电压的一阶差分代替电压的导数作为纵坐标构成的相平面,称为电压相平面;
电池状态点定义模块,被配置为:将根据电池电压和电池电压的一阶差分绘制在电压相平面中的点定义为电池状态点;
样本熵计算模块,被配置为:基于滑动窗口计算电池状态点的样本熵,利用样本熵评价电池是否故障。
以上实施例二、三和四的装置中涉及的各步骤与方法实施例一相对应,具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质;还应当被理解为包括任何介质,所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本公开中的任一方法。
本领域技术人员应该明白,上述本公开的各模块或各步骤可以用通用的计算机装置来实现,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本公开不限制于任何特定的硬件和软件的结合。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.动力电池早期故障相平面诊断方法,其特征是,包括:
以电池的电压值为横坐标,用电池电压的一阶差分代替电压的导数作为纵坐标构成的相平面,称为电压相平面;
将根据电池电压和电池电压的一阶差分绘制在电压相平面中的点定义为电池状态点;
基于滑动窗口计算电池状态点的样本熵,利用样本熵评价电池是否故障。
2.如权利要求1所述的动力电池早期故障相平面诊断方法,其特征是,计算样本熵时,选取一个固定的长度,包括一定量的序列数据,该长度记作窗口的长度,当当前窗口的样本熵数值计算完成后,窗口向时间的正方向移动预设的步长,以进行下一次的计算,具有上述要素的窗口构成滑动窗口。
3.如权利要求1所述的动力电池早期故障相平面诊断方法,其特征是,计算电池状态点的样本熵时,具体为:
获得按时间顺序排列的电压状态点序列;
将上述序列按序组成一组维数的向量序列;
将任意两个状态点之间的距离值定义为二者在相平面上的欧式距离;
定义任意两个向量之间的距离为两向量对应元素之间距离的最大值;
基于上述距离获得状态点的样本熵。
4.如权利要求1所述的动力电池早期故障相平面诊断方法,其特征是,在进行故障诊断时,若状态点的样本熵的大于设定阈值时,则认为该电池出现了故障。
5.如权利要求1所述的动力电池早期故障相平面诊断方法,其特征是,还包括电压采样步骤,以一定的采样频率不间断采集电池电压信号。
6.如权利要求1所述的动力电池早期故障相平面诊断方法,其特征是,根据采集的电压计算电压一阶差分,即前后两个采样点采得电压的差值,其中,信号处理和电压采样并行进行。
7.如权利要求1所述的动力电池早期故障相平面诊断方法,其特征是,故障诊断时,设定滑动窗口,每次只对滑动窗口中的数据进行故障诊断,诊断完成后窗口后移,进行下一组数据的故障诊断。
8.动力电池早期故障相平面诊断超前预警系统,其特征是,包括:
电压相平面构建模块,被配置为:以电池的电压值为横坐标,用电池电压的一阶差分代替电压的导数作为纵坐标构成的相平面,称为电压相平面;
电池状态点定义模块,被配置为:将根据电池电压和电池电压的一阶差分绘制在电压相平面中的点定义为电池状态点;
样本熵计算模块,被配置为:基于滑动窗口计算电池状态点的样本熵,利用样本熵评价电池是否故障,并进行超前预警。
9.一种计算装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征是,所述处理器执行所述程序时实现上述权利要求1-7任一所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征是,该程序被处理器执行时执行上述权利要求1-7任一所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110518346.0A CN113376534B (zh) | 2021-05-12 | 2021-05-12 | 动力电池早期故障相平面诊断方法及超前预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110518346.0A CN113376534B (zh) | 2021-05-12 | 2021-05-12 | 动力电池早期故障相平面诊断方法及超前预警系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113376534A true CN113376534A (zh) | 2021-09-10 |
CN113376534B CN113376534B (zh) | 2022-04-05 |
Family
ID=77572619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110518346.0A Active CN113376534B (zh) | 2021-05-12 | 2021-05-12 | 动力电池早期故障相平面诊断方法及超前预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113376534B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115219912A (zh) * | 2022-04-24 | 2022-10-21 | 山东大学 | 一种储能电池早期故障诊断与安全超前预警方法及系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060215335A1 (en) * | 2005-03-24 | 2006-09-28 | Honeywell International Inc. | Arc fault detection and confirmation using voltage and current analysis |
CN103310093A (zh) * | 2013-04-19 | 2013-09-18 | 中国航天标准化研究所 | 一种基于相关性回归分析的卫星太阳能电池阵故障数据提取方法 |
CN103675537A (zh) * | 2013-12-03 | 2014-03-26 | 昆明理工大学 | 一种基于零序电压相邻次差分构成的平面上相邻点距离的配电网虚幻接地识别方法 |
CN105138843A (zh) * | 2015-08-26 | 2015-12-09 | 长园深瑞继保自动化有限公司 | 电力系统采样飞点检测及其修复方法 |
CN105705958A (zh) * | 2013-11-23 | 2016-06-22 | Hrl实验室有限责任公司 | 具有参比电极的蓄电池的电压保护及健康监控 |
JP2017138313A (ja) * | 2016-02-03 | 2017-08-10 | 富士電機株式会社 | 電圧異常検出装置、プログラム、電圧異常検出方法 |
CN107422266A (zh) * | 2017-03-15 | 2017-12-01 | 中国电力科学研究院 | 一种大容量电池储能系统的故障诊断方法及装置 |
CN109061482A (zh) * | 2018-06-28 | 2018-12-21 | 北京云数智汇科技有限公司 | 电池健康度预测方法及装置 |
CN109683063A (zh) * | 2019-02-22 | 2019-04-26 | 中国石油大学(华东) | 一种利用零序电流与电压导数线性度关系的小电流接地系统单相接地故障方向检测方法 |
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 |
CN110045298A (zh) * | 2019-05-06 | 2019-07-23 | 重庆大学 | 一种动力电池组参数不一致性的诊断方法 |
CN110703109A (zh) * | 2019-10-25 | 2020-01-17 | 山东大学 | 一种基于修正样本熵的电池串多故障诊断方法及系统 |
CN111596164A (zh) * | 2019-08-24 | 2020-08-28 | 青岛鼎信通讯股份有限公司 | 一种基于皮尔逊相关系数的单相接地故障定位方法 |
CN111769802A (zh) * | 2020-05-09 | 2020-10-13 | 安徽工程大学 | 一种获取光伏电池输出特性曲线的方法和系统 |
CN112287979A (zh) * | 2020-10-14 | 2021-01-29 | 北方工业大学 | 一种基于互信息的储能电池状态判定方法 |
-
2021
- 2021-05-12 CN CN202110518346.0A patent/CN113376534B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060215335A1 (en) * | 2005-03-24 | 2006-09-28 | Honeywell International Inc. | Arc fault detection and confirmation using voltage and current analysis |
CN103310093A (zh) * | 2013-04-19 | 2013-09-18 | 中国航天标准化研究所 | 一种基于相关性回归分析的卫星太阳能电池阵故障数据提取方法 |
CN105705958A (zh) * | 2013-11-23 | 2016-06-22 | Hrl实验室有限责任公司 | 具有参比电极的蓄电池的电压保护及健康监控 |
CN103675537A (zh) * | 2013-12-03 | 2014-03-26 | 昆明理工大学 | 一种基于零序电压相邻次差分构成的平面上相邻点距离的配电网虚幻接地识别方法 |
CN105138843A (zh) * | 2015-08-26 | 2015-12-09 | 长园深瑞继保自动化有限公司 | 电力系统采样飞点检测及其修复方法 |
JP2017138313A (ja) * | 2016-02-03 | 2017-08-10 | 富士電機株式会社 | 電圧異常検出装置、プログラム、電圧異常検出方法 |
CN107422266A (zh) * | 2017-03-15 | 2017-12-01 | 中国电力科学研究院 | 一种大容量电池储能系统的故障诊断方法及装置 |
CN109061482A (zh) * | 2018-06-28 | 2018-12-21 | 北京云数智汇科技有限公司 | 电池健康度预测方法及装置 |
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 |
CN109683063A (zh) * | 2019-02-22 | 2019-04-26 | 中国石油大学(华东) | 一种利用零序电流与电压导数线性度关系的小电流接地系统单相接地故障方向检测方法 |
CN110045298A (zh) * | 2019-05-06 | 2019-07-23 | 重庆大学 | 一种动力电池组参数不一致性的诊断方法 |
CN111596164A (zh) * | 2019-08-24 | 2020-08-28 | 青岛鼎信通讯股份有限公司 | 一种基于皮尔逊相关系数的单相接地故障定位方法 |
CN110703109A (zh) * | 2019-10-25 | 2020-01-17 | 山东大学 | 一种基于修正样本熵的电池串多故障诊断方法及系统 |
CN111769802A (zh) * | 2020-05-09 | 2020-10-13 | 安徽工程大学 | 一种获取光伏电池输出特性曲线的方法和系统 |
CN112287979A (zh) * | 2020-10-14 | 2021-01-29 | 北方工业大学 | 一种基于互信息的储能电池状态判定方法 |
Non-Patent Citations (3)
Title |
---|
YONGZHE KANG: "A comparative study of fault diagnostic methods for lithium-ion batteries based on a standardized fault feature comparison method", 《JOURNAL OF CLEANER PRODUCTION》 * |
YUNLONG SHANG: "A multi-fault diagnosis method based on modified Sample Entropy for lithium-ion battery strings", 《JOURNAL OF POWER SOURCES》 * |
王佳: "基于神经网络的小电流接地故障类型辨识研究", 《通信市场》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115219912A (zh) * | 2022-04-24 | 2022-10-21 | 山东大学 | 一种储能电池早期故障诊断与安全超前预警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113376534B (zh) | 2022-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108254696B (zh) | 电池的健康状态评估方法及系统 | |
Dong et al. | Data-driven battery health prognosis using adaptive Brownian motion model | |
CN109765490B (zh) | 一种基于高维数据诊断的动力电池故障检测方法及系统 | |
CN112911627B (zh) | 无线网络性能检测方法、装置以及存储介质 | |
CN111999656B (zh) | 车辆电池内短路的检测方法、检测装置和电子设备 | |
CN113075554A (zh) | 一种基于运行数据的锂离子电池组不一致性辨识方法 | |
CN113791350B (zh) | 电池故障预测方法 | |
CN113376534B (zh) | 动力电池早期故障相平面诊断方法及超前预警系统 | |
CN113866641A (zh) | 一种锂离子电池的故障检测方法及装置 | |
CN115097319A (zh) | 一种动力电池组故障在线诊断方法及系统 | |
CN115327417A (zh) | 一种动力电池单体异常的预警方法、系统及电子设备 | |
CN115473319A (zh) | 一种基于超级电容器的储能方法 | |
CN115219905A (zh) | 一种电池内短路在线检测方法、装置及存储介质 | |
CN113820615B (zh) | 一种电池健康度检测方法与装置 | |
CN115754743A (zh) | 一种电池电压不一致识别方法、装置、设备及介质 | |
CN116401532A (zh) | 一种电力系统受扰后频率失稳识别方法及系统 | |
CN114280485A (zh) | Soc估算及一致性评估方法、装置、计算机设备 | |
CN110927609A (zh) | 梯次利用电池储能系统的衰退评估方法及装置 | |
CN114325407A (zh) | 电池自放电测试方法、装置、设备及计算机存储介质 | |
CN113433468A (zh) | 储能电池早期故障融合诊断方法及安全预警系统 | |
CN115343579B (zh) | 一种电网故障分析方法、装置及电子设备 | |
CN116879763A (zh) | 一种基于卡尔曼滤波算法的电池故障预警方法 | |
CN115792636A (zh) | 一种基于电压最值的电池组微小故障定量诊断方法及系统 | |
CN115792634A (zh) | 一种基于云端在线数据的电池单体电压采样故障识别方法 | |
CN112540301B (zh) | 电池检测方法、装置及存储介质 |
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 |