CN113391214A - 一种基于电池充电电压排名变化的电池微故障诊断方法 - Google Patents

Abstract

本发明公开了一种基于电池充电电压排名变化的电池微故障诊断方法，属于电池技术领域。本发明提出使用长时间尺度的充电电压数据进行分析，对电池组内各个单体电池的充电电压数据进行去噪。然后对去噪后的电压数据进行排名计算，得到各个充电段内每个采样点各个电池电压在电池组中的排名。将所得到的各个充电段的各电池电压排名计算平均值并使用标准化处理进行波动性检测，通过基于3σ准则的异常值检测算法，检测各电池在连续充电段内的平均电压排名变化稳定性，实现电池微故障诊断，寻找出电压排名变化异常的故障电池。使用故障实车电池数据集的部分充电段数据进行实验证明了故障诊断方法的有效性。

Description

一种基于电池充电电压排名变化的电池微故障诊断方法

技术领域

本发明属于电池技术领域，具体涉及电池故障诊断的方法。

背景技术

锂离子电池具有能量密度高、比能量高、循环寿命长、自放电低、环保等优点。由于这些特性，它们已经成为一种流行的可充电化学电池，广泛的应用于便携式电子产品、电动汽车、电网储能和可再生能源等领域。为了满足车辆行驶的动态要求，需要将数百块锂离子动力电池进行串并联组装。由于老化过程(SEI增长、析锂、活性物质损失等)或实际操作中的滥用(挤压、碰撞、穿刺等机械滥用和过充、过放、短路等电气滥用)，每个组成单元或相关附件可能发生各种故障。未经检查的故障将对电池安全产生不利影响，甚至在某些极端条件下导致电池系统热失控起火等灾难性事故。因此，在实际运行中，对电池组进行及时、准确地故障诊断是十分必要的。

当前，电池故障诊断方法有很多，可分为基于模型、基于信号处理、基于知识以及数据驱动等。基于模型的故障诊断方法依赖于模型的精准性以及故障阈值设置合适性，基于信号的故障诊断方法使用短期的数据，容易受到电池系统不一致性的影响，基于知识的故障诊断方法依赖于数据的获取和故障知识库的建立，工作量巨大。数据驱动的方法不需要对电池系统中的每个电池进行复杂的建模过程。从理论上讲，电池系统中的电池应具有良好的一致性，在相同条件下电池系统中的电池电压应遵循一定的分布。因此，基于信息熵、局部离群因子和相关系数的方法可以准确地检测电压信号中的异常数据，从而检测故障是否发生。相比与其他使用短时间尺度数据驱动的方法，使用长时间尺度数据的电池排名变化故障诊断方法考虑了电池一致性演变的长时间尺度特性，可以有效的避免使用短期数据对微故障断层定量估计的困难。然而存在电压传感器波动较大情况，直接通过短期电压排名的变化情况易造成误报和漏报。

发明内容

本发明的目的是为了解决现有存在的技术问题,针对电池微故障的长时间尺度特性和的微故障情况电压波动不固定的问题,进而提出一种基于电池充电电压排名变化的电池微故障诊断方法，其特征在于，具体包括：

S1,使用长时间尺度的电池充电电压数据，筛选出充电段电压数据，并对电压数据进行去噪处理；

S2，对去噪后得到的各个单体电池i的电压数据进行从大到小的排名；

S3,计算充电电压平均排名的标准差，构造量化电池电压排名变化的排名变化分数，其中排名变化分数的具体获取方法是：

计算充电电压平均排名的标准差，即：

其中，x_i为样本i，

为样本的平均数；

S4，使用基于拉依达准则(3σ准则)的异常值检测算法寻找电压排名变化分数异常的故障电池，3σ准则异常值检测，即将某个不在(μ-3σ,μ+3σ)之内的数据判断为异常值，即故障点

在上述的一种基于电池充电电压排名变化的电池微故障诊断方法，其特征在于，对电池充电电压数据进行去噪，即使用一阶低通滤波器对电压数据进行去噪处理，滤波公式为：

Y(n)＝αX(n)+(1-α)Y(n-1) (5)

其中，α为滤波系数，X(n)为本次采样值，Y(n-1)为上次滤波输出值，Y(n)为本次滤波输出值。

因此，本发明具有如下优点：首先对充电电压数据进行去噪，避免由于电压传感器噪声误差，造成的电压排名波动影响。将去噪后的充电段电压数据进行电压排名并计算各电池在各个充电段的平均电压排名，避免了由于内阻等一致性差异造成的短时电压排名波动影响。计算各充电段各电池的平均电压排名，获得表征其电压排名在长时间内的变化情况，能够避免使用短时数据难以对微故障断层定量估计的困难。最后使用基于3σ准则的异常值检测算法寻找电池电压排名变化分数异常的故障电池，相比于现有技术，无需设置一个固定的阈值，减小了由于阈值设置不恰当而造成误报漏报的概率，提高了故障诊断的精确度。

附图说明

图1为去噪后电池充电电压曲线。

图2a为健康电池电压排名示例。

图2b为故障电池电压排名。

图3电池电压在各个充电段的平均排名。

图4为电压平均排名变化分数计算结果。

图5为异常电池识别结果。

具体实施方式

下面以故障标签电池为12号电池的故障实车电池数据为样本，对本发明用于作进一步的详细说明。

一种基于电池组一致性演变的电池微故障诊断方法，步骤如下：

步骤1：筛选充电电压数据，并对电压数据进行去噪

使用一阶低通滤波器对电压数据进行去噪处理，滤波公式为：

Y(n)＝αX(n)+(1-α)Y(n-1) (6)

其中，α为滤波系数，X(n)为本次采样值，Y(n-1)为上次滤波输出值，Y(n)为本次滤波输出值，去噪后充电段电压数据如图1所示。

步骤2:对去噪后得到的各个单体电池i的电压数据进行从大到小的排名，故障电池即12号电池电压排名与健康电池

步骤3:计算各电池电压排名的平均值

步骤4:计算各电池电压排名平均值的标准差，构造电压排名变化分数，标准差公式如下：

其中，x_i为样本i，

为样本的平均数。

步骤5:基于3σ准则进行故障诊断

基于3σ准则，对各电池的一致性相对位置变化分数进行异常值检测，定位故障电池。

以故障标签电池为12号电池的故障实车电池数据为测试数据，经过上述步骤后，得到的故障电池定位结果如图5所示。由结果可知，基于电池组一致性演变的电池微故障诊断方法可以有效的识别出电压和电池一致性未出现异常情况下的微故障电池。

另外，对于本技术领域人员，在不脱离本发明的前提下，还可以做出若干改进和补充，这些依据本发明所做出的补充应该包含在本发明所要求保护的范围内。

Claims (2)

1.一种基于电池充电电压排名变化的电池微故障诊断方法，其特征在于，具体包括：

S1,采集长时间尺度的若干单体电池充电电压数据，并对电压数据进行去噪处理；

S2，对去噪后得到的各个单体电池i的电压数据进行从大到小的排名；

S3,计算充电电压排名的平均值及其标准差，构造量化电池电压排名变化的变化分数R_f，其中排名变化分数的具体获取方法是：

计算充电电压平均排名的标准差，即：

其中，x_i为样本i，

为样本的平均数；

S4，使用基于拉依达准则(3σ准则)的异常值检测算法寻找平均电压排名变化分数异常的故障电池，3σ准则异常值检测，即将某个不在(μ-3σ,μ+3σ)之内的数据判断为异常值，即：

若电池i的平均电压排名变化分数满足：

R_f,μ-3×R_f,σ≤R_f≤R_f,μ+3×R_f,σ (2)

则将其判断为正常值，否则将其判断为异常值；其中，R_f,μ为平均电压排名变化分数的平均值，R_f,σ为平均电压排名变化分数的标准差。

2.根据权利要求1所述的一种基于电池充电电压排名变化的电池微故障诊断方法，其特征在于，对电池充电电压数据进行去噪，即使用一阶低通滤波器对电压数据进行去噪处理，滤波公式为：

Y(n)＝αX(n)+(1-α)Y(n-1) (3)

其中，α为滤波系数，X(n)为本次采样值，Y(n-1)为上次滤波输出值，Y(n)为本次滤波输出值。

Images