CN113552110A - 基于拉曼光谱的锂离子电池热失控动态预警系统及方法 - Google Patents
基于拉曼光谱的锂离子电池热失控动态预警系统及方法 Download PDFInfo
- Publication number
- CN113552110A CN113552110A CN202110808216.0A CN202110808216A CN113552110A CN 113552110 A CN113552110 A CN 113552110A CN 202110808216 A CN202110808216 A CN 202110808216A CN 113552110 A CN113552110 A CN 113552110A
- Authority
- CN
- China
- Prior art keywords
- lithium ion
- ion battery
- thermal runaway
- gas
- early warning
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/185—Electrical failure alarms
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Business, Economics & Management (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Emergency Management (AREA)
- Analytical Chemistry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种基于拉曼光谱的锂离子电池热失控动态预警系统及方法,系统包括:激光器、拉曼探头、空芯光纤波导、单色仪、分光光路、光电检测器件和嵌入式计算机;空芯光纤波导采集锂离子电池周围的气体;拉曼探头具有输入光纤和接收光纤;激光器发出的激发光通过输入光纤传输至空芯光纤波导中,生成拉曼光谱散射光;拉曼光谱散射光经接收光纤收集后,依次经单色仪和分光光路后传输至光电检测器件,生成光谱数据;嵌入式计算机对光谱数据进行数据分析,在气体浓度和气体浓度的变化率超出阈值时,发出锂离子电池热失控警报。本发明综合特征气体种类及其浓度变化速率信息,开发分阶段的锂离子电池热失控预警模型,实现热失控早期的动态预警。
Description
技术领域
本发明涉及锂离子电池技术领域,更具体的说是涉及一种基于拉曼光谱的锂离子电池热失控动态预警系统及方法。
背景技术
目前主流的锂离子电池热失控检测都是基于电池能源管理系统(BMS),多用于电动汽车领域,依靠内置的电压传感器和温度传感器作为测量手段,通过实时检测各电池的端电压和表面温度异常进行热失控警报。基于BMS的热失控监测方案只能应用于锂离子电池使用阶段,且只能检测电池组的表面信息,难以及时判断电池芯内部热失控的发生、发展状态。此外,BMS系统需要大量传感器,导致硬件成本较高,同时大量的监测数据也造成了计算负荷,影响BMS整体性能和预警速度。
大量的研究表明,锂离子电池热失控是一个发生、发展的渐变过程,在热失控早期,一氧化碳、二氧化碳、氢气、甲烷、乙烯等特征气体向外溢出,可以通过检测锂离子电池周边环境中气体的方式来进行热失控过程监测。由于气体具备良好的扩散性,很快就充满电池组内部空间,可在电池组的任何位置准确评估锂离子电池热失控的发生发展阶段。因此,特征气体检测技术可用于监控锂离子电池的生产、运输、应用、回收等全环节热失控的动态预警。常用的气体检测分析方法,例如气相色谱法、质谱法、电化学式气体传感器、半导体气敏传感器、红外吸收光谱法等等,分别在准确度、稳定性、实时性、仪器设备尺寸、气体种类和气体浓度分辨能力等方面各自存在不足,难以满足锂离子热失控的动态预警需求。气体拉曼光谱检测技术作为一种非接触检测手段,具备简单、快速、高灵敏、高通量等显著优点,可对多种气体组分(包括N2、O2、H2等非极性双原子气体)进行在线实时检测,因此,如何提供一种基于拉曼光谱的锂离子电池热失控动态预警系统及方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种基于拉曼光谱的锂离子电池热失控动态预警系统及方法,综合特征气体种类及其浓度变化速率信息,开发分阶段的锂离子电池热失控预警模型,实现热失控早期的动态预警。
为了实现上述目的,本发明采用如下技术方案:
一种基于拉曼光谱的锂离子电池热失控动态预警系统,包括:依次连接的激光器、拉曼探头、空芯光纤波导、单色仪、分光光路、光电检测器件和嵌入式计算机;
所述空芯光纤波导作为气体池,并实时采集锂离子电池周围环境中的气体;
所述拉曼探头与所述空芯光纤波导耦合连接;所述拉曼探头具有输入光纤和接收光纤;所述激光器发出的激发光通过所述输入光纤传输至所述空芯光纤波导中,生成拉曼光谱散射光;拉曼光谱散射光经所述接收光纤收集后,依次经所述单色仪和所述分光光路后传输至所述光电检测器件,生成光谱数据,并传输至所述嵌入式计算机;
所述嵌入式计算机对所述光谱数据进行数据分析,并动态计算被监测气体种类的浓度变化和浓度变化率,在气体浓度和气体浓度的变化率超出阈值时,发出锂离子电池热失控警报。
优选的,在上述一种基于拉曼光谱的锂离子电池热失控动态预警系统中,所述空芯光纤波导的两端分别连接有进气道和出气口;锂离子电池周围环境中的气体经所述进气道进入所述空芯光纤波导,再经所述出气口排出所述空芯光纤波导。
优选的,在上述一种基于拉曼光谱的锂离子电池热失控动态预警系统中,所述进气道上自其采样口向所述空心玻纤波导的方向依次安装有除湿过滤单元、压力调控单元和温度调控单元;所述除湿过滤单元用于除去气体中的水分和杂质;所述压力调控单元用于使所述进气道中的气体保持恒压状态;所述温度调控单元用于使所述进气道中的气体保持恒温状态。
优选的,在上述一种基于拉曼光谱的锂离子电池热失控动态预警系统中,所述空芯光纤波导的外周侧涂覆有Ag/AgI复合涂层。
优选的,在上述一种基于拉曼光谱的锂离子电池热失控动态预警系统中,所述嵌入式计算机还对所述光谱数据进行实时存储,并生成拉曼光谱进行显示;所述拉曼光谱用于表征锂离子电池周围环境中的被监测气体种类和浓度变化。
优选的,在上述一种基于拉曼光谱的锂离子电池热失控动态预警系统中,所述激光器发射的激发光为532nm波长的高功率窄线宽光束。
本发明还提供一种基于拉曼光谱的锂离子电池热失控动态预警方法,其适用于上述基于拉曼光谱的锂离子电池热失控动态预警系统,包括以下步骤:
以流经所述空芯光纤波导的气体种类组分和浓度变化作为锂离子电池热失控情况的评判依据;
基于气体组分和浓度变化构建锂离子电池热失控发展过程的电池状态模型和热失控预警模型;
基于所述锂离子电池热失控发展过程的电池状态模型实时监测锂离子电池周围环境中的气体种类和浓度变化,并动态计算气体浓度变化率,根据气体浓度变化和气体浓度变化率预估锂离子电池的热失控状态;
基于所述热失控预警模型实时计算各种被监测气体的气体浓度和浓度变化率是否达到阈值,并在超出阈值时,发出热失控警报。
优选的,在上述一种基于拉曼光谱的锂离子电池热失控动态预警方法中,所述锂离子电池热失控发展过程的电池状态模型的构建过程为:
在某一时刻t、由第i种气体的气体浓度数据描述锂离子电池状态,其表达式如下:
Pi=(Ci,Si);其中,Si=ΔCi/Δt;
Ci表示第i种气体的气体浓度,ΔCi表示在时间段Δt内气体浓度Ci的变化量,Si表示第i中气体的气体浓度的变化率;
利用各种气体的气体浓度数据描述当前时刻t的锂离子电池状态,构建锂离子电池热失控发展过程的电池状态模型,其表达式如下:
Qt=(P1,P2,P3,...,Pm);
其中,m表示锂离子电池周围环境中共包含m种被监测气体。
其中,m表示锂离子电池周围环境中共包含m种被监测气体。被监测气体种类为10种,包含8种热失控特征标志气体:CO2,H2,C2H4,CO,C2H5F,CH3OCH3,CH3OCHO,CH4和两种空气中存在的O2、N2。
优选的,在上述一种基于拉曼光谱的锂离子电池热失控动态预警方法中,所述热失控预警模型的构建过程为:
构建第i种气体浓度在锂离子电池热失控的第n阶段预警的数学模型Pi,n,其表达式如下:
Pi,n=(Ci,n,Si,n,Cn,Si);
其中,Ci,n表示第i种气体的气体浓度触发第n阶段预警的阈值,Si,n表示第i种气体的气体浓度变化率触发第n阶段预警的阈值,Cn,Si表示当前维持锂离子电池正常工作的第i种气体浓度参数的设定值;
根据第i种气体的气体浓度阈值独立判断锂离子电池热失控第n阶段的预警状态Wi,n,其表达式如下:
Wi,n=(Ci≥Ci,n)∨(Si≥Si,n)∧(Ci≥Cn,si);
利用m种被监测气体的气体浓度相互独立判断在t时刻的锂离子电池状态Qt是否触发第n阶段预警,其表达式如下:
Wn=W1,n∨W2,n∨...Wm,n。
优选的,在上述一种基于拉曼光谱的锂离子电池热失控动态预警方法中,所述热失控预警模型的构建过程为:
通过m种被监测气体的气体浓度参数的选取,各种气体的气体浓度的任意组合限制,综合判断在时间t的锂离子电池状态Qt是否触发第n阶段预警信号,其表达式如下:
优选的,在上述一种基于拉曼光谱的锂离子电池热失控动态预警方法中,表示在多次测量中获得的锂离子电池正常状态下周围气体浓度Ci的平均值,Ci,n表示在多次测量中测得在第n阶段热失控状态下锂离子电池溢出气体的浓度Ci的平均值,Si,n的值是根据多次电池热失控试验中测得第n阶段热失控状态下锂离子电池周围环境中气体浓度Ci的变化速率Si的平均值。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种基于拉曼光谱的锂离子电池热失控动态预警系统及方法,采用532nm波长的高功率窄线宽激光器作为光源,结合Ag/AgI复合涂层空芯光纤波导,可极大增强气体拉曼光谱的检测灵敏度,且相关技术具备高分辨、高通量、简单、快速等显著优点,可高效实现气体的快速在线分析检测。在实际预警过程中,气体拉曼光谱通过测量10种气体的特征谱峰峰强度,可准确判断不同类型锂离子电池热失控的发生、发展阶段,并构建相应的响应阈值以实现1-10级的动态响应,显著提升锂离子电池热失控的早期预警成功率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的基于拉曼光谱的锂离子电池热失控动态预警系统的结构示意图;
图2附图为本发明提供的图1中A部分的结构放大图;
图3附图为本发明提供的锂离子电池正常与热失控状态下,周边环境气体的拉曼光谱对比图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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例,都属于本发明保护的范围。
如图1-2所示,本发明实施例公开了一种基于拉曼光谱的锂离子电池热失控动态预警系统,包括:依次连接的激光器1、拉曼探头2、空芯光纤波导3、单色仪4、分光光路5、光电检测器件6和嵌入式计算机7;其中,激光器1为532nm高功率窄线宽激光器。
空芯光纤波导3作为气体池,并实时采集锂离子电池周围环境中的气体,对采样气体进行检测。
拉曼探头2与空芯光纤波导3耦合连接;拉曼探头2具有输入光纤8和接收光纤9;激光器1发出的激发光通过输入光纤8传输至空芯光纤波导3中,生成拉曼光谱散射光;拉曼光谱散射光经接收光纤9收集后,依次经单色仪4和分光光路5后传输至光电检测器件6,生成光谱数据,并传输至嵌入式计算机7;
嵌入式计算机7对光谱数据进行数据分析,并动态计算被监测气体种类的浓度变化和浓度变化率,在气体浓度和气体浓度的变化率超出阈值时,发出锂离子电池热失控警报。嵌入式计算机7还对光谱数据进行实时存储,并生成拉曼光谱进行显示;拉曼光谱用于表征锂离子电池周围环境中的被监测气体种类和浓度变化。
在一个实施例中,空芯光纤波导3的两端分别连接有进气道10和出气口11;锂离子电池周围环境中的气体经进气道10进入空芯光纤波导3,再经出气口11排出空芯光纤波导3。
更有利的,进气道10上自其采样口向空心玻纤波导3的方向依次安装有除湿过滤单元12、压力调控单元13和温度调控单元14;除湿过滤单元12用于除去气体中的水分和杂质;压力调控单元13用于使进气道中的气体保持恒压状态;温度调控单元14用于使进气道中的气体保持恒温状态。除湿过滤单元12、压力调控单元13和温度调控单元14的设置,能够保证测量条件稳定,便于实现激光拉曼光谱的气体检测和光谱数据分析比对。
空芯光纤波导3的外周侧涂覆有Ag/AgI复合涂层,可极大增强气体拉曼光谱的检测灵敏度。
本发明实施例还提供一种基于拉曼光谱的锂离子电池热失控动态预警方法,其适用于上述的基于拉曼光谱的锂离子电池热失控动态预警系统,包括以下步骤:
以流经空芯光纤波导的气体种类组分和浓度变化作为锂离子电池热失控情况的评判依据;
基于气体组分和浓度变化构建锂离子电池热失控发展过程的电池状态模型和热失控预警模型;
基于锂离子电池热失控发展过程的电池状态模型实时监测锂离子电池周围环境中的气体种类和浓度变化,并动态计算气体浓度变化率,根据气体浓度变化和气体浓度变化率预估锂离子电池的热失控状态;
基于热失控预警模型实时计算各种被监测气体的气体浓度和浓度变化率是否达到阈值,并在超出阈值时,发出热失控警报。
本发明实施例以抽吸的方式采用气体拉曼光谱检测系统实时检测锂离子电池周边气体,将气体种类和浓度的变化速率作为判断锂离子电池出现热失控的判断条件,对多种气体数据进行综合在线分析,判断电池热失控的发生和发展阶段,并根据热失控发生的危险程度和阶段进行动态分级报警。
设定目标气体包括CO2,H2,C2H4,CO,C2H5F,CH3OCH3,CH3OCHO,CH4八种热失控特征标志气体和空气中存在的O2、N2共10种气体。令Ci代表第i种气体浓度数据,ΔCi代表在时间段Δt(即拉曼光谱测量积分时间)内气体浓度数据Ci的变化量,则此气体浓度的变化速率Si表示为:Si=ΔCi/Δt。
在某一时刻由第i种气体浓度数据所描述电池状态Pi表达为:
Pi=(Ci,Si)
十种气体浓度数据所描述的当前时间t的电池状态模型Qt表达为:
Qt=(P1,P2,P3,…,P10)。
第i种气体浓度在锂离子电池热失控第n阶段预警的数学模型Pi,n表达为:
依据第i种气体浓度阈值独立判断锂离子电池热失控第n阶段预警Wi,n的判定公式如下:
通过10种被监测气体浓度相互独立判断在时间t的电池状态Qt是否触发第n阶段预警Wn的公式为:
Wn=W1,n∨W2,n∨…VW10,n
通过10种被测气体浓度参数中的多项综合判断电池的热失控的状态,10种气体浓度的热失控触发第n阶段预警的数学模型表达为:
…
通过10种气体浓度参数的选取,各种气体浓度的任意组合限制,综合判断在时间t的电池状态Qt是否触发第n阶段预警信号。
的锂离子电池正常状态通过以下方式实现:在测量气路中,首先冲入高纯度氮气或惰性气体,时长2分钟,再使用环境中干燥纯净的空气进行吹扫,利用本发明基于拉曼光谱的锂离子电池热失控动态预警系统对空气进行测量,测量过程为:
首先,采用除湿过滤单元12、压力调控单元13和温度调控单元14维持气体池内被监测气体的恒温恒压,保证拉曼光谱测量条件统一,便于后续数学模型建立和热失控预警。
最后,采用本发明实施例的电池状态模型和热失控预警模型,以气体种类和浓度的变化作为判断锂离子电池出现热失控的判断条件,判断电池热失控的发生和发展阶段,并根据热失控发生的危险程度和阶段分级报警。
如图3所示,为锂离子电池在正常和热失控状态下,周边环境气体的拉曼光谱对比图,横坐标为波数,纵坐标为无量纲强度值,通过对比可以看出,锂离子电池热失控释放过程中出现空气中没有的H2和多种烃类气体,同时空气中原有O2和N2含量明显降低,表明基于拉曼光谱的锂离子电池热失控动态预警技术能够进行高动态、大通量实时在线监控分析,有能力为锂离子电池热失控的发生、发展整个周期的完整气体组分和浓度数据信息。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于拉曼光谱的锂离子电池热失控动态预警系统,其特征在于,包括:依次连接的激光器(1)、拉曼探头(2)、空芯光纤波导(3)、单色仪(4)、分光光路(5)、光电检测器件(6)和嵌入式计算机(7);
所述空芯光纤波导(3)作为气体池,并实时采集锂离子电池周围环境中的气体;
所述拉曼探头(2)与所述空芯光纤波导(3)耦合连接;所述拉曼探头(2)具有输入光纤(8)和接收光纤(9);所述激光器(1)发出的激发光通过所述输入光纤(8)传输至所述空芯光纤波导(3)中,生成拉曼光谱散射光;拉曼光谱散射光经所述接收光纤(9)收集后,依次经所述单色仪(4)和所述分光光路(5)后传输至所述光电检测器件(6),生成光谱数据,并传输至所述嵌入式计算机(7);
所述嵌入式计算机(7)对所述光谱数据进行数据分析,并动态计算被监测气体种类的浓度变化和浓度变化率,在气体浓度和气体浓度的变化率超出阈值时,发出锂离子电池热失控警报。
2.根据权利要求1所述的一种基于拉曼光谱的锂离子电池热失控动态预警系统,其特征在于,所述空芯光纤波导(3)的两端分别连接有进气道(10)和出气口(11);锂离子电池周围环境中的气体经所述进气道(10)进入所述空芯光纤波导(3),再经所述出气口(11)排出所述空芯光纤波导(3)。
3.根据权利要求2所述的一种基于拉曼光谱的锂离子电池热失控动态预警系统,其特征在于,所述进气道(10)上自其采样口向所述空心玻纤波导(3)的方向依次安装有除湿过滤单元(12)、压力调控单元(13)和温度调控单元(14);所述除湿过滤单元(12)用于除去气体中的水分和杂质;所述压力调控单元(13)用于使所述进气道中的气体保持恒压状态;所述温度调控单元(14)用于使所述进气道中的气体保持恒温状态。
4.根据权利要求1所述的一种基于拉曼光谱的锂离子电池热失控动态预警系统,其特征在于,所述空芯光纤波导(3)的外周侧涂覆有Ag/AgI复合涂层。
5.根据权利要求1所述的一种基于拉曼光谱的锂离子电池热失控动态预警系统,其特征在于,所述嵌入式计算机(7)还对所述光谱数据进行实时存储,并生成拉曼光谱进行显示;所述拉曼光谱用于表征锂离子电池周围环境中的被监测气体种类和浓度变化。
6.一种基于拉曼光谱的锂离子电池热失控动态预警方法,其适用于如权利要求1-5任一项所述的基于拉曼光谱的锂离子电池热失控动态预警系统,其特征在于,包括以下步骤:
以流经所述空芯光纤波导的气体种类组分和浓度变化作为锂离子电池热失控情况的评判依据;
基于气体组分和浓度变化构建锂离子电池热失控发展过程的电池状态模型和热失控预警模型;
基于所述锂离子电池热失控发展过程的电池状态模型实时监测锂离子电池周围环境中的气体种类和浓度变化,并动态计算气体浓度变化率,根据气体浓度变化和气体浓度变化率预估锂离子电池的热失控状态;
基于所述热失控预警模型实时计算各种被监测气体的气体浓度和浓度变化率是否达到阈值,并在超出阈值时,发出热失控警报。
7.根据权利要求6所述的一种基于拉曼光谱的锂离子电池热失控动态预警方法,其特征在于,所述锂离子电池热失控发展过程的电池状态模型的构建过程为:
在某一时刻t、由第i种气体的气体浓度数据描述锂离子电池状态,其表达式如下:
Pi=(Ci,Si);其中,Si=ΔCi/Δt;
Ci表示第i种气体的气体浓度,ΔCi表示在时间段Δt内气体浓度Ci的变化量,Si表示第i中气体的气体浓度的变化率;
利用各种气体的气体浓度数据描述当前时刻t的锂离子电池状态,构建锂离子电池热失控发展过程的电池状态模型,其表达式如下:
Qt=(P1,P2,P3,...,Pm);
其中,m表示锂离子电池周围环境中共包含m种被监测气体。
8.根据权利要求7所述的一种基于拉曼光谱的锂离子电池热失控动态预警方法,其特征在于,所述热失控预警模型的构建过程为:
构建第i种气体浓度在锂离子电池热失控的第n阶段预警的数学模型Pi,n,其表达式如下:
Pi,n=(Ci,n,Si,n,Cn,Si);
其中,Ci,n表示第i种气体的气体浓度触发第n阶段预警的阈值,Si,n表示第i种气体的气体浓度变化率触发第n阶段预警的阈值,Cn,Si表示当前维持锂离子电池正常工作的第i种气体浓度参数的设定值;
根据第i种气体的气体浓度阈值独立判断锂离子电池热失控第n阶段的预警状态Wi,n,其表达式如下:
Wi,n=(Ci≥Ci,n)∨(Si≥Si,n)∧(Ci≥Cn,si);
利用m种被监测气体的气体浓度相互独立判断在t时刻的锂离子电池状态Qt是否触发第n阶段预警,其表达式如下:
Wn=W1,n∨W2,n∨...Wm,n。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110808216.0A CN113552110A (zh) | 2021-07-16 | 2021-07-16 | 基于拉曼光谱的锂离子电池热失控动态预警系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110808216.0A CN113552110A (zh) | 2021-07-16 | 2021-07-16 | 基于拉曼光谱的锂离子电池热失控动态预警系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113552110A true CN113552110A (zh) | 2021-10-26 |
Family
ID=78103276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110808216.0A Pending CN113552110A (zh) | 2021-07-16 | 2021-07-16 | 基于拉曼光谱的锂离子电池热失控动态预警系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113552110A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114414031A (zh) * | 2021-12-14 | 2022-04-29 | 西安理工大学 | 储能电池监测预警装置与方法 |
CN115424423A (zh) * | 2022-09-20 | 2022-12-02 | 中车株洲电力机车有限公司 | 一种电池热失控告警方法、设备及存储介质 |
CN117288740A (zh) * | 2023-11-27 | 2023-12-26 | 四方光电股份有限公司 | 基于拉曼探头的电池充放电产气原位测试装置及测试方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103472049A (zh) * | 2013-06-25 | 2013-12-25 | 复旦大学 | 基于空芯光纤的有机磷检测方法 |
CN104267016A (zh) * | 2014-09-11 | 2015-01-07 | 上海大学 | 基于纳米颗粒修饰空芯光纤在体药物检测系统 |
US20160132617A1 (en) * | 2014-11-11 | 2016-05-12 | Spectrasensors, Inc. | Target Analyte Detection and Quantification in Sample Gases With Complex Background Compositions |
US20160202186A1 (en) * | 2013-08-16 | 2016-07-14 | Board Of Regents, The University Of Texas System | Gas Sensor to Enhance Implementation of a Process-Based Leakage Monitoring Method |
CN105806825A (zh) * | 2016-05-17 | 2016-07-27 | 浙江大学 | 一种天然气组分在线气体拉曼分析方法 |
CN106404741A (zh) * | 2016-10-11 | 2017-02-15 | 北京信息科技大学 | 基于双空芯光纤的增强拉曼光谱液体探测方法 |
CN106597299A (zh) * | 2016-11-22 | 2017-04-26 | 南京能启能电子科技有限公司 | 一种锂电池热失控早期预警及自动控制方法 |
CN106932378A (zh) * | 2017-03-29 | 2017-07-07 | 浙江大学 | 一种基于拉曼光谱的炼厂酸性气成分的在线检测系统和方法 |
CN107884382A (zh) * | 2017-10-13 | 2018-04-06 | 北京工业大学 | 一种基于空芯反谐振光纤的气体检测系统 |
CN108444976A (zh) * | 2018-04-26 | 2018-08-24 | 浙江大学 | 一种基于拉曼光谱的天然气热值测量方法 |
CN109239050A (zh) * | 2018-09-17 | 2019-01-18 | 中科院合肥技术创新工程院 | 空芯光纤sers探针制备方法及有害气体检测系统 |
CN208818645U (zh) * | 2018-09-17 | 2019-05-03 | 中科院合肥技术创新工程院 | 基于空芯光纤sers光谱的多组分有害气体检测系统 |
CN109961602A (zh) * | 2019-04-04 | 2019-07-02 | 中国科学技术大学 | 一种基于单片机的锂离子电池火灾预警装置 |
CN110455778A (zh) * | 2019-09-12 | 2019-11-15 | 中科院合肥技术创新工程院 | 基于空芯光纤增强拉曼光谱的苹果挥发气体检测方法 |
GB202008987D0 (en) * | 2020-06-12 | 2020-07-29 | Is-Instruments Ltd | Gas phase raman instrument for the detection of gaseous species using a hollow core fibre |
CN112034359A (zh) * | 2020-08-31 | 2020-12-04 | 郑州大学 | 基于氢气探测的锂电池早期安全预警方法及装置 |
WO2021117041A1 (en) * | 2019-12-11 | 2021-06-17 | Optiqgain Ltd. | Stimulated raman spectroscopy for real-time, high-resolution molecular analysis of gases in hollow core fibres |
-
2021
- 2021-07-16 CN CN202110808216.0A patent/CN113552110A/zh active Pending
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103472049A (zh) * | 2013-06-25 | 2013-12-25 | 复旦大学 | 基于空芯光纤的有机磷检测方法 |
US20160202186A1 (en) * | 2013-08-16 | 2016-07-14 | Board Of Regents, The University Of Texas System | Gas Sensor to Enhance Implementation of a Process-Based Leakage Monitoring Method |
CN104267016A (zh) * | 2014-09-11 | 2015-01-07 | 上海大学 | 基于纳米颗粒修饰空芯光纤在体药物检测系统 |
US20160132617A1 (en) * | 2014-11-11 | 2016-05-12 | Spectrasensors, Inc. | Target Analyte Detection and Quantification in Sample Gases With Complex Background Compositions |
CN105806825A (zh) * | 2016-05-17 | 2016-07-27 | 浙江大学 | 一种天然气组分在线气体拉曼分析方法 |
CN106404741A (zh) * | 2016-10-11 | 2017-02-15 | 北京信息科技大学 | 基于双空芯光纤的增强拉曼光谱液体探测方法 |
CN106597299A (zh) * | 2016-11-22 | 2017-04-26 | 南京能启能电子科技有限公司 | 一种锂电池热失控早期预警及自动控制方法 |
CN106932378A (zh) * | 2017-03-29 | 2017-07-07 | 浙江大学 | 一种基于拉曼光谱的炼厂酸性气成分的在线检测系统和方法 |
CN107884382A (zh) * | 2017-10-13 | 2018-04-06 | 北京工业大学 | 一种基于空芯反谐振光纤的气体检测系统 |
CN108444976A (zh) * | 2018-04-26 | 2018-08-24 | 浙江大学 | 一种基于拉曼光谱的天然气热值测量方法 |
CN109239050A (zh) * | 2018-09-17 | 2019-01-18 | 中科院合肥技术创新工程院 | 空芯光纤sers探针制备方法及有害气体检测系统 |
CN208818645U (zh) * | 2018-09-17 | 2019-05-03 | 中科院合肥技术创新工程院 | 基于空芯光纤sers光谱的多组分有害气体检测系统 |
CN109961602A (zh) * | 2019-04-04 | 2019-07-02 | 中国科学技术大学 | 一种基于单片机的锂离子电池火灾预警装置 |
CN110455778A (zh) * | 2019-09-12 | 2019-11-15 | 中科院合肥技术创新工程院 | 基于空芯光纤增强拉曼光谱的苹果挥发气体检测方法 |
WO2021117041A1 (en) * | 2019-12-11 | 2021-06-17 | Optiqgain Ltd. | Stimulated raman spectroscopy for real-time, high-resolution molecular analysis of gases in hollow core fibres |
GB202008987D0 (en) * | 2020-06-12 | 2020-07-29 | Is-Instruments Ltd | Gas phase raman instrument for the detection of gaseous species using a hollow core fibre |
CN112034359A (zh) * | 2020-08-31 | 2020-12-04 | 郑州大学 | 基于氢气探测的锂电池早期安全预警方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114414031A (zh) * | 2021-12-14 | 2022-04-29 | 西安理工大学 | 储能电池监测预警装置与方法 |
CN115424423A (zh) * | 2022-09-20 | 2022-12-02 | 中车株洲电力机车有限公司 | 一种电池热失控告警方法、设备及存储介质 |
CN117288740A (zh) * | 2023-11-27 | 2023-12-26 | 四方光电股份有限公司 | 基于拉曼探头的电池充放电产气原位测试装置及测试方法 |
CN117288740B (zh) * | 2023-11-27 | 2024-03-19 | 四方光电股份有限公司 | 基于拉曼探头的电池充放电产气原位测试装置及测试方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113552110A (zh) | 基于拉曼光谱的锂离子电池热失控动态预警系统及方法 | |
Giechaskiel et al. | Review of motor vehicle particulate emissions sampling and measurement: From smoke and filter mass to particle number | |
Berkes et al. | Simultaneous acquisition of differential electrochemical mass spectrometry and infrared spectroscopy data for in situ characterization of gas evolution reactions in lithium-ion batteries | |
Yalçin et al. | Influence of ambient conditions on the laser air spark | |
CN107884392B (zh) | 电弧加热器气流焓值光谱测量系统 | |
CN101566501B (zh) | 一种光纤光谱协同放电电流测量等离子体电子密度的方法 | |
CN102661918A (zh) | 非共振光声光谱检测分析装置 | |
CN105765381B (zh) | 用于测量溶解在液体中的气体的气体浓度的方法及系统 | |
EP1710563B1 (en) | Method of measuring the concentration of nitrogen oxide and nitrogen oxide analyzer | |
CN114859232A (zh) | 不同荷电状态锂电池热失控危险性定量评估方法及装置 | |
CN115494019B (zh) | 一种煤田火区温度—气体远程在线检测与预警系统 | |
CN102778445A (zh) | 一种标态干基智能分析仪和检测方法 | |
CN110542839A (zh) | 用于sf6气体绝缘设备的全光学绝缘故障监测系统 | |
CN102288574A (zh) | 多组分油烟浓度定量分析装置及其分析方法 | |
WO2023207225A1 (zh) | 一种基于中红外光谱带电检测气体的装置的设计方法 | |
CN117288740B (zh) | 基于拉曼探头的电池充放电产气原位测试装置及测试方法 | |
Mulyanti et al. | Development of fiber optic chemical sensor for monitoring acid rain level | |
CN206818606U (zh) | 电动汽车动力电池系统火灾产生气体的定性定量分析装置 | |
Wang et al. | Simultaneously anayze fault characteristic gases extracted from transformer oil by Raman spectroscopy | |
Rui-Feng et al. | Application of α–β–γ filtering to real-time atmosphere methane concentration measurement | |
Jin et al. | Study on the accuracy of photoacoustic spectroscopy system based on multiple linear regression correction algorithm | |
Qiao et al. | A Design of The Passive Micro Sensor for SF6 Detection | |
Nie et al. | Platinum Coated Capillary Enhanced Gas Raman Spectroscopy: Exploring the Multi-Gas Release from Lithium-Ion Batteries after Solid Electrolyte Interphase Formation | |
TWI796829B (zh) | 氣體檢測系統及其檢測方法 | |
Fengxiang et al. | Temperature and humidity correction method for photoacoustic spectroscopy signal based on support vector regression |
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 |