CN113435688A - 动力电池系统的风险排查方法 - Google Patents

动力电池系统的风险排查方法 Download PDF

Info

Publication number
CN113435688A
CN113435688A CN202110526302.2A CN202110526302A CN113435688A CN 113435688 A CN113435688 A CN 113435688A CN 202110526302 A CN202110526302 A CN 202110526302A CN 113435688 A CN113435688 A CN 113435688A
Authority
CN
China
Prior art keywords
standard deviation
formula
voltage
battery
calculated
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
CN202110526302.2A
Other languages
English (en)
Inventor
陈立秀
张梦雪
张黎明
张如星
赵宝兴
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.)
Lishen Qingdao New Energy Co Ltd
Original Assignee
Tianjin Lishen Battery JSCL
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 Tianjin Lishen Battery JSCL filed Critical Tianjin Lishen Battery JSCL
Priority to CN202110526302.2A priority Critical patent/CN113435688A/zh
Publication of CN113435688A publication Critical patent/CN113435688A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Algebra (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Chemical & Material Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Manufacturing & Machinery (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Secondary Cells (AREA)

Abstract

本发明涉及一种动力电池系统的风险排查方法，其特征是：具体方法如下,通过计算充电全过程及放电全过程的标准差，再将标准差通过公式计算得到单体电压的Z分，通过Z分预判电池故障。有益效果：本发明针对磷酸铁锂电池在平台期无法从压差判断电池系统故障风险，引进标准差及Z分数判断电池故障风险。对新能源车辆行驶过程中的电池全部单体电压进行采集，将采集到的全部单体电压计算标准差，再计算出最低单体的Z分，体现最低单体电压在标准差中占比。

Description

动力电池系统的风险排查方法
技术领域
本发明属于动力电池系统技术领域，尤其涉及一种动力电池系统的风险排查方法。
背景技术
新能源汽车的市场保有量在不断增加，新能源汽车的安全及故障排查尤为重要，为此编制了《电动汽车电池系统安全风险监测及故障预警规范-运行过程》。磷酸铁锂电池存在一个较长的平台期，平台期期间单体电压变化微小，单从压差无法判断电池的故障，需要引进其他参数对电池故障进行预测,只有当车辆放电至单体电压较低时该方法才有效，本发明专利引进Z分对电池故障进行预测，能提前预判出电池故障，算法简单、有效，易于实现。授权公公告号为CN106058987A的专利文献公开了一种基于蓄电池组监控与故障诊断的电动汽车充电方法，包括以下步骤：在电动汽车运行过程中，监测蓄电池组的放电电压和电流出现波动或突变，采集放电过程中的电压信号和电流信号并存储，每次充电时向充电装置上传存储的数据；充电装置对上传的数据进行处理和分类，同时删除电动汽车中的存储数据，空置存储空间；经过状态数据处理处理和分类的数据分别进行故障诊断分析和电池寿命预测；完成对电池寿命进行预测和对故障状态进行诊断，并反馈至给使用者；若电池组存在重大安全隐患时，一方面向使用者发出故障预警，同时终止电池组供电；在存在潜在故障风险时，向用户发出预警，使用者获取电池寿命和故障预测信息。
发明内容
本发明的目的在于克服上述技术的不足，而提供一种动力电池系统的风险排查方法，针对磷酸铁锂电池在平台期无法从压差判断电池系统故障风险，引进标准差及Z分判断电池故障风险。
本发明为实现上述目的，采用以下技术方案：一种动力电池系统的风险排查方法，其特征是：具体方法如下,通过计算充电全过程及放电全过程的标准差，再将标准差通过公式计算得到单体电压的Z分，通过Z分预判电池故障，
1)计算充电全过程及放电全过程的标准差
Figure BDA0003065961350000021
式中：σ为标准差；S为方差；χi为每支电池的单体电压；μ为全部单体电压平均值；N为单体电池总数；
2)计算得到单体电压的Z分
Figure BDA0003065961350000022
式中：Vmedian为全部单体电压值的中位数；Vmin为全部单体电压值的最小值；
3)通过Z分预判电池故障，Z分大于4.5为故障系统。
所述充电全过程及放电全过程的标准差是在车辆行驶过程中，将动力电池全部单体电芯电压实时上传到监控平台，通过公式实时计算得出标准差，再通过公式计算得到单体电压的Z分。
所述充电全过程及放电全过程的标准差在车辆行驶过程中，通过上位机实时采集动力电池全部单体电芯电压数据，通过公式实时计算得出标准差，再通过公式计算得到单体电压的Z分。
所述充电全过程及放电全过程的标准差在没有监控平台和上位机时，可以截取车辆行驶过程中的数据，保存为Excel文件，在Excel中通过公式实时计算得出标准差，再通过公式计算得到单体电压的Z分。
所述Z分预判故障车辆电池的Z分阈值为4.0-5.0。
有益效果：与现有技术相比，本发明针对磷酸铁锂电池在平台期无法从压差判断电池系统故障风险，引进标准差及Z分数判断电池故障风险。对新能源车辆行驶过程中的电池全部单体电压进行采集，将采集到的全部单体电压计算标准差，再计算出最低单体的Z分，体现最低单体电压在标准差中占比。本方法将标准差进行简单的二次计算，算法简单，单电芯分层故障排查率较高。
附图说明
图1是压差箱线图；
图2是Z分箱线图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施方式及实施方式中的特征可以相互组合。在下面的描述中阐述了很多具体细节以便于充分理解本发明，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
详见附图，本实施例提供了一种动力电池系统的风险排查方法，具体方法如下,通过计算充电全过程及放电全过程的标准差，再将标准差通过公式计算得到单体电压的Z分，通过Z分预判电池故障，
1)计算充电全过程及放电全过程的标准差
Figure BDA0003065961350000031
式中：σ为标准差；S为方差；χi为每支电池的单体电压；μ为全部单体电压平均值；N为单体电池总数；
2)计算得到单体电压的Z分
Figure BDA0003065961350000041
式中：Vmedian为全部单体电压值的中位数；Vmin为全部单体电压值的最小值；
3)通过Z分预判电池故障，Z分大于4.5为故障系统。
具体计算场景包括但不限于以下三种情况：
所述充电全过程及放电全过程的标准差是在车辆行驶过程中，将动力电池全部单体电芯电压实时上传到监控平台，通过公式实时计算得出标准差，再通过公式计算得到单体电压的Z分。
所述充电全过程及放电全过程的标准差在车辆行驶过程中，通过上位机实时采集动力电池全部单体电芯电压数据，通过公式实时计算得出标准差，再通过公式计算得到单体电压的Z分。
所述充电全过程及放电全过程的标准差在没有监控平台和上位机时，可以截取车辆行驶过程中的数据，保存为Excel文件，在Excel中通过公式实时计算得出标准差，再通过公式计算得到单体电压的Z分。
所述Z分预判故障车辆电池的Z分阈值为4.0-5.0(与电芯体系及单体电芯电压采集分辨率相关)。
计算方法：
50串单体数据如下表(1)所示：
Figure BDA0003065961350000042
表(1)
以50串单体电芯动力电池系统为例，如上公式(1)，可以计算得到50串单体电压平均值μ，将每一串单体电芯电压，作为χi代入公式(1)，即将每一串单体电芯电压χi与平均值μ做差之后求平方和，平方和除以N(即50串)后开平方即可得到50串单体电芯电压的标准差σ。如上公式(2)，计算可得到单体50串单体电芯电压中位数Vmedian，50串单体电芯电压取最小值Vmin，用50串单体电芯中位数芯Vmedian与50串单体电芯最小值做差，差值除以公式(1)中计算得到的标准差σ，即可得到50串单体电压的Z分。
将表(1)中一台车50串单体电芯电压数据代入到公式(1)中，如下：
Vavg＝(3.28+3.28+3.28+3.28+3.28+3.25+3.28+3.28+3.28+3.28+3.28+3.27+3.27+3.28+3.28+3.28+3.28+3.28+3.28+3.28+3.28+3.28+3.28+3.28+3.28+3.28+3.28+3.28+3.28+3.28+3.28+3.28+3.28+3.28+3.28+3.27+3.27+3.28+3.28+3.28+3.28+3.28+3.28+3.28+3.28+3.28+3.28+3.28+3.28+3.28)/50
＝3.2786
μ＝Vavg＝3.2786
Vmedian＝3.28
Vmin＝3.25
S＝((3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.25-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.27-3.2786)2+(3.27-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.27-3.2786)2+(3.27-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2+(3.28-3.2786)2)/50
＝0.00002404
Figure BDA0003065961350000051
Figure BDA0003065961350000061
由以上计算可以看出在计算的这组数据中，最高单体电压3.28V，单体电压中位数为3.28V，单体电压平均值为3.2786V，最低单体电压3.25V，最高最低单体电压压差仅为30mV，Z分为6.1186，如表(1)第6串单体电芯有单电压分层风险，本例仅以一组数据为例进行计算，具体到每台车应计算车辆行驶全过程及充电全过程的数值。
步骤及结果证明:
由于电芯体系不同，采集数据分辨率不同，因此，判定为故障车辆的Z分阈值并不固定，Z分差别较大。
如附图1所示的压差箱线图，选取系统最大压差大于等于290mV的50辆车，从图中可以看出压差集中在290mV-300mV，
如附图2所示的Z分箱线图，如果按照图1压差判定，系统全部为风险系统，但是按照图2所示Z分判定，Z分大于4.5即为故障系统。
上述参照实施例对该一种动力电池系统的风险排查方法进行的详细描述，是说明性的而不是限定性的，可按照所限定范围列举出若干个实施例，因此在不脱离本发明总体构思下的变化和修改，应属本发明的保护范围之内。

Claims (5)

1.一种动力电池系统的风险排查方法，其特征是：具体方法如下,通过计算充电全过程及放电全过程的标准差，再将标准差通过公式计算得到单体电压的Z分，通过Z分预判电池故障，
1)计算充电全过程及放电全过程的标准差
Figure FDA0003065961340000011
式中：σ为标准差；S为方差；χi为每支电池的单体电压；μ为全部单体电压平均值；N为单体电池总数；
2)计算得到单体电压的Z分
Figure FDA0003065961340000012
式中：Vmedian为全部单体电压值的中位数；Vmin为全部单体电压值的最小值；
3)通过Z分预判电池故障，Z分大于4.5为故障系统。
2.根据权利要求1所述的动力电池系统的风险排查方法，其特征是：所述充电全过程及放电全过程的标准差是在车辆行驶过程中，将动力电池全部单体电芯电压实时上传到监控平台，通过公式实时计算得出标准差，再通过公式计算得到单体电压的Z分。
3.根据权利要求1所述的动力电池系统的风险排查方法，其特征是：所述充电全过程及放电全过程的标准差在车辆行驶过程中，通过上位机实时采集动力电池全部单体电芯电压数据，通过公式实时计算得出标准差，再通过公式计算得到单体电压的Z分。
4.根据权利要求1所述的动力电池系统的风险排查方法，其特征是：所述充电全过程及放电全过程的标准差在没有监控平台和上位机时，可以截取车辆行驶过程中的数据，保存为Excel文件，在Excel中通过公式实时计算得出标准差，再通过公式计算得到单体电压的Z分。
5.根据权利要求1或2或3或4所述的动力电池系统的风险排查方法，其特征是：所述Z分预判故障车辆电池的Z分阈值为4.0-5.0。
CN202110526302.2A 2021-05-14 2021-05-14 动力电池系统的风险排查方法 Pending CN113435688A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110526302.2A CN113435688A (zh) 2021-05-14 2021-05-14 动力电池系统的风险排查方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110526302.2A CN113435688A (zh) 2021-05-14 2021-05-14 动力电池系统的风险排查方法

Publications (1)

Publication Number Publication Date
CN113435688A true CN113435688A (zh) 2021-09-24

Family

ID=77802348

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110526302.2A Pending CN113435688A (zh) 2021-05-14 2021-05-14 动力电池系统的风险排查方法

Country Status (1)

Country Link
CN (1) CN113435688A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116068441A (zh) * 2021-10-29 2023-05-05 北汽福田汽车股份有限公司 动力电池内短路预警方法、装置及车辆
CN116736140A (zh) * 2023-08-08 2023-09-12 启垠科技(深圳)有限公司 基于储能量自检测的储能式极速充故障监测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106058987A (zh) * 2016-06-29 2016-10-26 浙江万马新能源有限公司 基于蓄电池组监控与故障诊断的电动汽车充电方法及装置
CN108839586A (zh) * 2018-09-19 2018-11-20 安徽江淮汽车集团股份有限公司 针对电压差故障的电池控制方法与系统
CN110794305A (zh) * 2019-10-14 2020-02-14 北京理工大学 一种动力电池故障诊断方法和系统
CN112213657A (zh) * 2020-09-29 2021-01-12 江西江铃集团新能源汽车有限公司 电池预警方法及系统
CN112526376A (zh) * 2020-12-01 2021-03-19 江西江铃集团新能源汽车有限公司 汽车电池单体异常预估方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106058987A (zh) * 2016-06-29 2016-10-26 浙江万马新能源有限公司 基于蓄电池组监控与故障诊断的电动汽车充电方法及装置
CN108839586A (zh) * 2018-09-19 2018-11-20 安徽江淮汽车集团股份有限公司 针对电压差故障的电池控制方法与系统
CN110794305A (zh) * 2019-10-14 2020-02-14 北京理工大学 一种动力电池故障诊断方法和系统
CN112213657A (zh) * 2020-09-29 2021-01-12 江西江铃集团新能源汽车有限公司 电池预警方法及系统
CN112526376A (zh) * 2020-12-01 2021-03-19 江西江铃集团新能源汽车有限公司 汽车电池单体异常预估方法及装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116068441A (zh) * 2021-10-29 2023-05-05 北汽福田汽车股份有限公司 动力电池内短路预警方法、装置及车辆
CN116736140A (zh) * 2023-08-08 2023-09-12 启垠科技(深圳)有限公司 基于储能量自检测的储能式极速充故障监测方法及系统
CN116736140B (zh) * 2023-08-08 2023-10-20 启垠科技(深圳)有限公司 基于储能量自检测的储能式极速充故障监测方法及系统

Similar Documents

Publication Publication Date Title
CN112092675B (zh) 一种电池热失控预警方法、系统及服务器
CN109165687B (zh) 基于多分类支持向量机算法的车用锂电池故障诊断方法
CN110161425B (zh) 一种基于锂电池退化阶段划分的剩余使用寿命的预测方法
EP2963433A1 (en) Method and apparatus for estimating state of battery
CN113696786B (zh) 电池均衡方法及系统
CN107003357A (zh) 基于无线网络的电池管理系统
CN113435688A (zh) 动力电池系统的风险排查方法
CN110609233A (zh) 一种基于大数据进行储能电池soh预测的方法
CN112924866B (zh) 容量保持率的检测方法、检测装置、车辆及存储介质
CN112215434A (zh) 一种lstm模型的生成方法、充电时长预测方法及介质
CN113369287A (zh) 一种退役电池模组再利用的分选方法及系统
CN116400241A (zh) 基于全生命周期运行数据的电池健康评估方法及装置
CN114646888A (zh) 一种动力电池容量衰减的评估方法及系统
CN104882914A (zh) 一种多电池单体均衡方法
Singh et al. State of charge and health estimation of batteries for electric vehicles applications: key issues and challenges
CN115061058A (zh) 退役动力电池梯次利用剩余寿命测算方法及系统
Lin et al. State of health estimation of lithium-ion batteries based on remaining area capacity
CN111123134A (zh) 一种基于多层级温度监测与内阻测算的船用锂电池健康管理系统
CN116068402A (zh) 新能源汽车锂电池状态预测方法、装置、设备及存储介质
CN115656837A (zh) 一种串联型电池故障预测方法
CN116804715A (zh) 一种判断导致电池系统出现不一致原因的方法
CN114597990A (zh) 电池系统控制方法、装置、电子设备及存储介质
Dongsheng et al. EV battery SOH diagnosis method based on discrete Fréchet distance
Gong et al. Data-driven lithium-ion battery remaining life prediction on actual operating vehicles
Bin et al. Research on SOC Estimation and Energy Cooperative Control for Electric Vehicles

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220124

Address after: 266500 Minshan Road, Huangdao District, Qingdao, Shandong

Applicant after: LISHEN (QINGDAO) NEW ENERGY CO.,LTD.

Address before: 300384 Tianjin Binhai New Area Binhai high tech Industrial Development Zone (outer ring) 38 Haitai South Road

Applicant before: TIANJIN LISHEN BATTERY JOINT-STOCK Co.,Ltd.