CN113589178B - 一种动力电池异常故障识别方法及系统 - Google Patents

一种动力电池异常故障识别方法及系统 Download PDF

Info

Publication number
CN113589178B
CN113589178B CN202110875293.8A CN202110875293A CN113589178B CN 113589178 B CN113589178 B CN 113589178B CN 202110875293 A CN202110875293 A CN 202110875293A CN 113589178 B CN113589178 B CN 113589178B
Authority
CN
China
Prior art keywords
fault
voltage
power battery
faults
abnormal
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
CN202110875293.8A
Other languages
English (en)
Other versions
CN113589178A (zh
Inventor
赵星
肖凌云
抄佩佩
张怒涛
王澎
董红磊
程端前
刘川
王琰
孙文涛
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.)
China Automotive Engineering Research Institute Co Ltd
China National Institute of Standardization
Original Assignee
China Automotive Engineering Research Institute Co Ltd
China National Institute of Standardization
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 China Automotive Engineering Research Institute Co Ltd, China National Institute of Standardization filed Critical China Automotive Engineering Research Institute Co Ltd
Priority to CN202110875293.8A priority Critical patent/CN113589178B/zh
Publication of CN113589178A publication Critical patent/CN113589178A/zh
Application granted granted Critical
Publication of CN113589178B publication Critical patent/CN113589178B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382Arrangements for monitoring battery or accumulator variables, e.g. SoC

Abstract

本发明涉及动力电池技术领域,公开了一种动力电池异常故障识别方法及系统,包括数据处理模块,以及与数据处理模块分别连接的数据采集模块和显示模块;数据采集模块,用来在采集时间段内采集动力电池数据形成采集数据集合,并将采集数据集合发送给数据处理模块;数据处理模块将故障判断单元判断得出的高压连接异常故障、采样异常故障或其他故障作为识别结果发送给显示模块;显示模块用于接收并显示识别结果。本发明具有能精准判断动力电池故障模式的有益效果,保证了动力电池的使用安全性。

Description

一种动力电池异常故障识别方法及系统
技术领域
本发明涉及动力电池技术领域,具体涉及一种动力电池异常故障识别方法及系统。
背景技术
随着新能源技术的发展,动力电池的发展也越来越迅速,现有的动力电池主要是用在混合动力汽车和纯电动车上,由于其具有低碳环保的优点,得到了各大汽车厂商的青睐。因此,现在以锂电池组或者铁锂电池组构成的动力电池正被深入的研究,也正在被使用在汽车上进行试验。也正由于动力电池的应用面正在逐步增大,为防止动力电池在使用过程中发生故障从而发生爆炸,动力电池的使用安全性也逐渐成为热门研究对象之一。现有的电池故障检测方法是当电池管理系统检测到某节电池或者某几节电池的电压为零或者很小时,则判断电池出现故障或异常,控制电池的放电回路断开。但是由于一些内部存在隐患的电池按照现有检测方法无法检测到,而这种存在隐患的电池极有可能会引起爆炸,因此,现有的这种故障检测方法检测无法进行准确检测,检测效果较差。
为解决这一问题,有一种动力电池故障检测系统,包括电压检测电路,分别检测单独电池的电压值;窗口比较电路,分别对所测电压值比较,判断是否落在第一阈值范围内;控制单元,当任意一节单独电池的电压值不在第一阈值范围内,则控制执行元件切断充放电电路;时间控制单元,控制电压检测的间隔预定时间;模数转换电路,当电压值在第一阈值范围内时,将该电压值转换成电压数字信号输入暂存模块,MCU二次比较单元,从暂存模块中挑出电压值中的最大电压值和最小电压值进行第二次比较,判断两者的差值是否在第二阈值范围内;控制电路,当差值不在第二阈值范围内,控制执行元件切断充放电电路。
该方案虽然能提高电池故障检测的安全性,但是在实际检测中,BMS硬件采样异常和电池系统自身高压连接(铝巴、铜排等)异常两种故障模式有相似之处,均可能变现为电压的异常波动和大幅度离群现象,故障模式难以区分,两种失效模式的危害程度和处理方式差别极大,混淆处理不仅会给维保带来不便,增加不必要的成本,严重的可导致起火安全问题。因此,区分两种故障模式意义重大,在动力电池故障的检测方法上,急需一种能精准区分采样异常和电池系统自身高压连接异常两种故障模式的动力电池故障识别方法。
发明内容
本发明意在提供一种动力电池异常故障识别系统,以解决不能准确区分采样异常和电池系统自身高压连接异常两种故障的技术问题。
为达到上述目的,本发明采用如下技术方案:一种动力电池异常故障识别系统,包括数据处理模块,以及与数据处理模块分别连接的数据采集模块和显示模块;数据采集模块,用来在采集时间段内采集动力电池数据形成采集数据集合,并将采集数据集合发送给数据处理模块;数据处理模块,包括初步判断单元和故障判断单元。
初步判断单元,按照预设的初步判断策略对接收到的采集数据集合进行判断,若采集数据集合显示动力电池在规定时间段内存在充高放低和内阻异常增大情况,则初步判断被采集的动力电池为高压连接异常疑似故障;反之,则初步判断被采集的动力电池为其他疑似故障;
故障判断单元,接收采集数据集合和初步判断单元判断得到的高压连接异常疑似故障或其他疑似故障;所述故障判断单元,对高压连接异常疑似故障对应的采集数据集合按照预设的高压连接异常判断策略进行判断,若满足高压连接异常判断策略则判断对应的动力电池为高压连接异常故障,反之则为其他疑似故障;所述故障判断单元,对其他疑似故障对应的采集数据集合按照预设的采样异常判断策略进行判断,若满足采样异常判断策略则判断对应的动力电池为采样异常故障,反之则为其他故障;所述数据处理模块将故障判断单元判断得出的高压连接异常故障、采样异常故障或其他故障作为识别结果发送给显示模块。
显示模块,用于接收并显示识别结果。
本方案的原理及优点是:实际应用时,能够利用动力电池的运行数据,例如电压和电流,通过初步判断单元,能够快速地识别出动力电池有无充高放低和内阻异常增大的情况,能够快速区分开其他故障和目标故障,能够集中处理目标故障,使后面的判断单元计算量得到控制,便于更加精准识别;进一步通过故障判断单元的设置,能够依次检测识别出高压连接异常和采样异常,能够有效解决现在这两种故障混淆不清的情况,能够对高压连接异常和采样异常故障进行精准识别和区分。通过策略选择单元的设置,预存有不同温度以及不同湿度环境下,对动力电池故障判断的区别方法,能够更贴合动力电池的实际使用环境。通过显示模块,直观地查看系统所判断出来的动力电池的具体故障,以便工作人员针对具体故障作出相应的处理方式。
本方案通过数据模块中各单元的设置,能够顺序化地依次检测动力电池高压连接异常、批量采样异常和单个电芯采样异常故障,能够在控制计算量的前提下完成动力电池故障的精准识别和提醒,消除隐患,避免因为识别不准确等原因造成爆炸等不可挽回的损失。
优选的,作为一种改进,高压连接异常判断策略为,在同一时段运行过程中,电流绝对值大于0.5-1.5C的条件下,电芯电压的差值是否在规定范围内;若在规定范围内,则判断为高压连接异常故障,反之则为其他疑似故障。
通过计算规定时间内的电芯电压的差值,将高压连接异常判断策略用数值细化,有助于精准判断出故障是否为高压连接异常故障,提高整个系统的准确性,保证动力电池的安全运行。
优选的,作为一种改进,采样异常故障,包括批量采样异常故障和单个电芯采样异常故障;所述采样异常判断策略为,根据时域电压分布情况,先判断是否存在批量采样异常故障,若没有批量采样异常故障再判断是否存在单个电芯采样异常故障。
采样异常故障具体有两种,作出区分,同时在两种采样异常故障的判断策略上,按顺序先判断批量采样异常再判断单个电芯采样异常,不仅使整个判断过程更清晰流畅,同时也使判断的结果更加准确。
优选的,作为一种改进,数据处理模块还包括策略选择单元;所述策略选择单元用来存储策略选择表;所述策略选择表中预存有不同条件下的高压连接异常判断策略和采样异常判断策略。
根据不同的条件在策略选择单元中预存不同的判断策略数值判定范围,使整个故障判断更灵活,从而增大最终判断处理的结果的准确性。
优选的,作为一种改进,高压连接异常判断策略为,在同一时段运行过程中,电流绝对值大于0.5-1.5C的条件下,若电流大于0时,最低电压电芯的电压小于次低电压电芯电压的90%-98%;若电流小于0时,最高电压电芯的电压大于次高电压电芯电压的102%-110%,则判断对应的动力电池为高压连接异常故障。
设置较小的电芯电压差异范围值,不仅精确了比较结果,同时还使电芯在变化初期就被识别出来并处理,避免后续电芯的故障持续增大,保证了动力电池的运行安全。
优选的,作为一种改进,采样异常判断策略为,根据所述采集数据集合统计出时域电压分布情况,若电池系统在任何状态下,BMS电池管理系统的同一采集单元的N颗电芯,单体电压以相同的偏移量向同一方向偏移,中值电压偏移量大于等于30mV-60mV,则为批量采样异常故障;若不是批量采样异常故障,则随机选取X号电芯和与之相邻的Y号电芯,若这两颗电芯分别向两个不同的方向偏移,且两颗电芯的中值电压偏移量大于等于30mV-60mV,则为单个电芯采样异常故障。
先通过时域电压分布情况判断是否有批量采样异常,若没有则随机选择两个相邻的电芯查看偏移方向,做到随机化更具代表性,同时设置中值电压偏移量的范围,增大了采用异常故障的识别范围,使采用异常故障更容易被识别,不仅提高了故障的识别效率,也提高了动力电池的安全性。
优选的,作为一种改进,显示模块包括图像显示单元、动态趋势单元和提醒单元;图像显示单元通过图文的方式直观地展现识别结果;动态趋势单元用来展示历史故障情况的动态趋势;提醒单元用来提醒工作人员及时更换动力电池。
丰富了显示模块的功能,不仅能够直观展示当前的识别结果,还能展示历史故障的动态趋势图,若电池出现故障还能提醒工作人员及时更换,避免安全事故的发生。
本发明还提供了一种动力电池异常故障识别方法,包括以下步骤:
S1,数据采集模块在采集时间段内采集动力电池数据并形成采集数据集合,随后将采集数据集合发送给数据处理模块;
S2,数据处理模块接收采集数据集合,并由初步判断单元对采集数据集合按照预设的初步判断策略进行故障初步判断;
S3,故障判断单元接收采集数据集合和初步判断单元判断得到的高压连接异常疑似故障或其他疑似故障,并按照预设的高压连接异常判断策略对采集数据集合进行高压连接故障判断;若满足高压连接异常判断策略,故障判断单元判断对应的动力电池为高压连接异常故障;若不满足高压连接异常判断策略,故障判断单元判断对应的动力电池为其他疑似故障;
S4,故障判断单元按照预设的采样异常判断策略再次进行判断,若满足采样异常判断策略,故障判断单元判断对应的动力电池为采样异常故障,反之则为其他故障;
S5,数据处理模块将故障判断单元判断得出的高压连接异常故障、采样异常故障或其他故障作为识别结果,并将识别结果发送给显示模块;
S6,显示模块接收识别结果并将识别结果显示在显示屏上。
本方法的优点在于:根据采集的动力电池数据,简单易操作地按照在系统中预设的判断策略,直接通过初步判断单元和故障判断单元顺序判断动力电池故障为高压连接异常故障还是采样异常故障,在故障快速识别的基础上,能够重点区分批量采样异常和单个电芯采样异常,避免因为故障检测不准确,故障原因混淆,而带来的诸多危害性,例如电池爆炸、起火等危险性极高的事故。
优选的,作为一种改进,采集时间段为一个月至三个月;动力电池数据,包括电压数据、电流数据和其他数据。
将采集时间段选择为一个月至三个月,能够在获取最近时间的数据同时,还能保证时间的长度足够分析出动力电池的变化状态,既保证结果的实时性,又保证了结果的准确性;同时动力电池的数据有电压、电流或者温度等其他数据,能全面分析出动力电池的状态。
优选的,作为一种改进,初步判断策略为,检测动力电池在三个月内有无明显的充高放低和直流内阻异常增大的情况;所述充高放低为,电池系统运行过程中,同一时段,电流绝对值大于0.5-1.5C的条件下,针对同一电芯,若该电芯的电流大于0,则该电芯为所有电芯中电压最低的电芯,即最低电压电芯;若该电芯的电流小于0,则该电芯为所有电芯中电压最高的电芯,即最高电压电芯;直流内阻异常增大为,在三个月内动力电池的直流内阻增大量超过变化前直流内阻的30%;
先通过电芯的电流与电压对应的不同状态,判断出是否存在充高放低,然后再将初步判断的直流内阻增大数据化,保证系统在初步判断过程时就保证初步判断结果的准确性,为后续的判断提供有利条件,减少后续判断的工作量。
附图说明
图1为本发明一种动力电池异常故障识别方法及系统实施例一的系统示意图。
图2为本发明一种动力电池异常故障识别方法及系统实施例一的时域电压统计图。
图3为本发明一种动力电池异常故障识别方法及系统实施例一的流程示意图。
图4为本发明一种动力电池异常故障识别方法及系统实施例六显示模块的示意图。
具体实施方式
下面通过具体实施方式进一步详细说明:
说明书附图中的标记包括:数据采集模块1、数据处理模块2、显示模块3、初步判断单元4、故障判断单元5、策略选择单元6、图像显示单元7、动态趋势单元8、提醒单元9。
实施例一:
本实施例基本如附图1所示:一种动力电池异常故障识别系统,包括数据处理模块2,以及与数据处理模块2分别连接的数据采集模块1和显示模块3;数据采集模块1,用来在一个月的采集时间段内采集动力电池的电压数据、电流数据和其他数据,并形成采集数据集合,随后将采集数据集合发送给数据处理模块2;
数据处理模块2,包括初步判断单元4和故障判断单元5;
初步判断单元4,按照预设的初步判断策略对接收到的采集数据集合进行判断,若采集数据集合显示动力电池在规定时间段内存在充高放低的情况,即电池系统运行过程中,同一时段,电流绝对值大于0.5-1.5C的条件下,针对同一电芯,若该电芯的电流大于0,则该电芯为所有电芯中电压最低的电芯,即最低电压电芯;若该电芯的电流小于0,则该电芯为所有电芯中电压最高的电芯,即最高电压电芯;通过直流内阻的计算公式
Figure BDA0003190328940000061
计算该电芯的内阻;若计算出存在内阻异常增大的情况,即一个月内动力电池的直流内阻增大量超过变化前直流内阻的30%;则初步判断被采集的动力电池为高压连接异常疑似故障;反之,则初步判断被采集的动力电池为其他疑似故障;
故障判断单元5,接收采集数据集合和初步判断单元4判断得到的高压连接异常疑似故障或其他疑似故障;所述故障判断单元5,对高压连接异常疑似故障对应的采集数据集合按照预设的高压连接异常判断策略进行判断,若满足在同一时段运行过程中,电流绝对值大于0.5-1.5C的条件下,若电流大于0时,最低电压电芯的电压小于次低电压电芯电压的90%-98%;若电流小于0时,最高电压电芯的电压大于次高电压电芯电压的102%-110%时,则判断对应的动力电池为高压连接异常故障,反之则为其他疑似故障;
故障判断单元5,对其他疑似故障对应的采集数据集合按照预设的采样异常判断策略进行判断,将动力电池的电压数据导入MATLAB中生成时域电压统计图,如图2所示,若电池系统在任何状态下,BMS电池管理系统的同一采集单元的12颗电芯,单体电压以相同的偏移量向同一方向偏移,中值电压偏移量大于等于30mV-60mV,则为批量采样异常故障;
若不是批量采样异常故障,则随机选择其中一个电芯以及其相邻的电芯进行比较,例如,本实施例中选择6号电芯以及与之相邻的7号电芯,并开始逐个比较,若相邻两颗电芯分别向两个不同的方向偏移,且两颗电芯的中值电压偏移量大于等于30mV-60mV,则为单个电芯采样异常故障;
若两者均不是,则为其他故障;数据处理模块2将故障判断单元5判断得出的高压连接异常故障、批量采样异常故障、单个电芯采样异常故障或其他故障作为识别结果发送给显示模块3;
显示模块3,用于接收并显示识别结果。
一种动力电池异常故障识别方法,如图3所示,通过上述系统,在进行动力电池故障识别时,包括以下步骤:
S1,数据采集模块1在采集时间段内采集动力电池数据并形成采集数据集合,随后将采集数据集合发送给数据处理模块2;
S2,数据处理模块2接收采集数据集合,并由初步判断单元4对采集数据集合按照预设的初步判断策略进行故障初步判断;
S3,故障判断单元5接收采集数据集合和初步判断单元4判断得到的高压连接异常疑似故障或其他疑似故障,并按照预设的高压连接异常判断策略对采集数据集合进行高压连接故障判断;若满足高压连接异常判断策略,故障判断单元5判断对应的动力电池为高压连接异常故障;若不满足高压连接异常判断策略,故障判断单元5判断对应的动力电池为其他疑似故障;
S4,故障判断单元5按照预设的采样异常判断策略再次进行判断,若满足采样异常判断策略,故障判断单元5判断对应的动力电池为采样异常故障,反之则为其他故障;
S5,数据处理模块2将故障判断单元5判断得出的高压连接异常故障、采样异常故障或其他故障作为识别结果,并将识别结果发送给显示模块3;
S6,显示模块3接收识别结果并将识别结果显示在显示屏上。
利用实际的动力电池运行数据,通过初步判断单元,能够快速地识别出动力电池有无充高放低现象和内阻异常增大的情况,并快速区分开其他故障和目标故障,并集中处理目标故障,使后面的判断单元计算量得到控制,便于系统对动力电池故障的精准识别;进一步通过故障判断单元的设置,能够依次检测识别出高压连接异常和采样异常,能够有效解决现在这两种故障混淆不清的情况,对高压连接异常和采样异常故障进行精准识别和区分,最后通过显示模块,直观地将系统所判断出来的动力电池的具体故障显示出来,以便工作人员查看后作出相应的处理方式,保证动力电池的安全运行,避免因为故障识别不准确等原因造成爆炸、起火等不可挽回的损失。
本实施例的具体实施过程如下:
第一步,数据采集模块1从BMS电池管理系统中选取从当前时刻算起,以往一个月内动力电池的电压数据、电流数据和其他数据并形成采集数据集合,随后将采集数据集合发送给数据处理模块2。
第二步,数据处理模块2接受采集数据集合,并由初步判断单元4判断出当前动力电池故障模式,若电芯在较长一段时间内有明显的充高放低的情况,即电池系统运行过程中,同一时段,电流绝对值大于0.5-1.5C的条件下,针对同一电芯,若该电芯的电流大于0,则该电芯为所有电芯中电压最低的电芯,即最低电压电芯;若该电芯的电流小于0,则该电芯为所有电芯中电压最高的电芯,即最高电压电芯;通过直流内阻的计算公式
Figure BDA0003190328940000081
计算该电芯的内阻;若计算出存在内阻异常增大的情况,即一个月内动力电池的直流内阻增大量超过变化前直流内阻的30%,则初步判断被采集的动力电池为高压连接异常疑似故障;反之,则初步判断被采集的动力电池为其他疑似故障。
第三步,接收采集数据集合和初步判断单元4判断得到的高压连接异常疑似故障或其他疑似故障,并对高压连接异常疑似故障对应的采集数据集合按照预设的高压连接异常判断策略进行判断;若满足在同一时段运行过程中,电流绝对值大于0.5-1.5C的条件下,若电流大于0时,最低电压电芯的电压小于次低电压电芯电压的90%-98%;若电流小于0时,最高电压电芯的电压大于次高电压电芯电压的102%-110%时,则判断对应的动力电池为高压连接异常故障,反之则为其他疑似故障。
第四步,若为其他疑似故障,则故障判断单元5再对采集数据集合按照预设的采样异常判断策略进行判断,若将动力电池的电压数据导入MATLAB中生成时域电压统计图,若电池系统在任何状态下,BMS电池管理系统的同一采集单元的12颗电芯,单体电压以相同的偏移量向同一方向偏移,中值电压偏移量大于等于30mV-60mV,则为批量采样异常故障。
第五步,若不是批量采样异常故障,则随机选择6号电芯以及与之相邻的7号电芯,并开始逐个比较,若相邻两颗电芯分别向两个不同的方向偏移,且两颗电芯的中值电压偏移量大于等于30mV-60mV,则为单个电芯采样异常故障。
第六步,若不是批量采样异常故障,也不是单个电芯采样异常故障,则判断为其他故障;数据处理模块2将故障判断单元5判断得出的高压连接异常故障、批量采样异常故障、单个电芯采样异常故障或其他故障作为识别结果发送给显示模块3。
第七步,显示模块3接收该识别结果并将识别结果显示在显示屏上。
实施例二:
本实施例与实施例一基本相同,区别在于:采集时间段为三个月且动力数据包括电压数据、电流数据和温度数据。
因为动力电池内部的变化是一个缓慢的过程,故将数据选取的时间段设置为三个月,提供足够长度的时间,避免因短时间内动力电池数据无明显变化,导致当前判断结果为动力电池无异常,若恰好动力电池在选取的时间外发生故障变化,而此时又没有识别出动力电池的故障,则会造成难以估计的损失;同时选取的数据中还包括温度,则可以通过温度的变化来进行初步判断,因为在短时间内直流内阻异常增大会使电池出现异常产热,则通过温度的急剧变化可以初步判断动力电池有无直流内阻异常增大的情况,综合看来大幅提高了动力电池故障识别的准确性,保证了动力电池运行的安全性。
本实施例的具体实施过程与实施例一基本相同,区别在于:
第一步,数据采集模块1从BMS电池管理系统中选取从当前时刻算起,以往三个月内动力电池的电压数据、电流数据和温度数据并形成采集数据集合,随后将采集数据集合发送给数据处理模块2。
第二步,数据处理模块2接受采集数据集合,并由初步判断单元4判断出当前动力电池故障模式,若电芯在较长一段时间内有明显的充高放低的情况,即电池系统运行过程中,同一时段,电流绝对值大于0.5-1.5C的条件下,针对同一电芯,若该电芯的电流大于0,则该电芯为所有电芯中电压最低的电芯,即最低电压电芯;若该电芯的电流小于0,则该电芯为所有电芯中电压最高的电芯,即最高电压电芯;通过直流内阻的计算公式
Figure BDA0003190328940000091
计算该电芯的内阻;若计算出存在内阻异常增大的情况,即一个月内动力电池的直流内阻增大量超过变化前直流内阻的30%,且电池温度在10分钟内升高5摄氏度,则初步判断被采集的动力电池为高压连接异常疑似故障;反之,则初步判断被采集的动力电池为其他疑似故障。
实施例三:
本实施例与实施例一基本相同,区别在于:同一时段运行过程具体为20分钟的运行过程。
在保证检测数据有效的前提下,将检测时间定为20分钟,不仅能够保证此时间范围内动力电池的数据已经发生足够变化,而且能够提高系统检测效率,保证在一定周期内对动力电池进行一次检测,以保证对动力电池监测的实时性,避免因监测问题引起更大的安全事故。
本实施例的具体实施过程与实施例一基本相同,区别在于:
第三步,接收采集数据集合和初步判断单元4判断得到的高压连接异常疑似故障或其他疑似故障,并对高压连接异常疑似故障对应的采集数据集合按照预设的高压连接异常判断策略进行判断;若满足在20分钟的运行过程中,电流绝对值大于0.5-1.5C的条件下,若电流大于0时,最低电压电芯的电压小于次低电压电芯电压的90%-98%;若电流小于0时,最高电压电芯的电压大于次高电压电芯电压的102%-110%时,则判断对应的动力电池为高压连接异常故障,反之则为其他疑似故障。
实施例四:
本实施例与实施例一基本相同,区别在于:策略选择表中预存的高压连接异常判断策略为,同一时段运行过程中,电流绝对值大于0.5-1.5C的条件下,空气湿度在45%-55%RH范围内,若电流大于0时,最低电压电芯的电压小于次低电压电芯电压的20%;若电流小于0时,最高电压电芯的电压大于次高电压电芯电压的180%;空气湿度在56%-65%RH范围内,若电流大于0时,最低电压电芯的电压小于次低电压电芯电压的50%;若电流小于0时,最高电压电芯的电压大于次高电压电芯电压的150%;空气湿度在66%-75%RH范围内,若电流大于0时,最低电压电芯的电压小于次低电压电芯电压的80%;若电流小于0时,最高电压电芯的电压大于次高电压电芯电压的120%。
如果当前被测动力电池所处地区为江南地区,则因空气湿度较大,对于高压连接异常判断策略改变为:策略选择单元6调用策略选择表中的空气湿度在66%-75%RH范围内,若电流大于0时,最低电压电芯的电压小于次低电压电芯电压的80%;若电流小于0时,最高电压电芯的电压大于次高电压电芯电压的120%,满足前述描述的动力电池故障为高压连接异常故障。
针对空气湿度对动力电池的影响,在系统中预存与湿度相关的判断策略,使动力电池不管在被检测时所处的环境湿度如何,都能够贴近动力电池所处的实际情况,从对动力电池故障的判断方法上进行影响因素的消除,使对动力电池故障的识别结果更准确,避免因没有考虑到环境湿度这一重要影响因素从而造成动力电池爆炸、起火、甚至威胁生命安全的安全事故。
本实施例的具体实施过程与实施例一基本相同,区别在于:
第三步,接收采集数据集合和初步判断单元4判断得到的高压连接异常疑似故障或其他疑似故障,并对高压连接异常疑似故障对应的采集数据集合按照预设的高压连接异常判断策略进行判断;若满足在同一时段运行过程中,电流绝对值大于0.5-1.5C的条件下,若电流大于0时,最低电压电芯的电压小于次低电压电芯电压的80%;若电流小于0时,最高电压电芯的电压大于次高电压电芯电压的120%,则判断对应的动力电池为高压连接异常故障,反之则为其他疑似故障。
实施例五:
本实施例与实施例四基本相同,区别在于:策略选择表中预存的采样异常判断策略为,若环境温度在0摄氏度以下,中值电压偏移量大于等于50mV;环境温度在0-35摄氏度范围内,中值电压偏移量大于等于40mV;环境温度在35摄氏度以上,中值电压偏移量大于等于30mV。
如果当前被测动力电池所处地区为哈尔滨等北方地区,且当前为冬季。则因空气湿度低且环境温度低,高压连接异常判断策略改变为:同一时段运行过程中,电流绝对值大于0.5-1.5C的条件下,空气湿度在45%-55%RH范围内,若电流大于0时,最低电压电芯的电压小于次低电压电芯电压的20%;若电流小于0时,最高电压电芯的电压大于次高电压电芯电压的180%;采样异常判断策略为,环境温度0摄氏度以下,中值电压偏移量大于等于50mV,满足前述描述的动力电池故障为高压连接异常故障。
因动力电池在运行过程中温度会升高,而环境温度如果跟动力电池温度差异太大的话,动力电池与空气之间会发生热交换,从而影响动力电池内部的运行逻辑与速度,所以温度会对动力电池的运行造成影响,故在系统中预存针对湿度以及温度不同而改变的判断策略,增加动力电池故障关于湿度和温度的识别条件,能够更加适应当前动力电池所处环境的环境温度和湿度的实际情况,使对故障的判断识别上更细致,从而对动力电池故障的判断结果更准确。
本实施例的具体实施过程与实施例四基本相同,区别在于:
第三步,接收采集数据集合和初步判断单元4判断得到的高压连接异常疑似故障或其他疑似故障,并对高压连接异常疑似故障对应的采集数据集合按照预设的高压连接异常判断策略进行判断;若满足在同一时段运行过程中,电流绝对值大于0.5-1.5C的条件下,若电流大于0时,最低电压电芯的电压小于次低电压电芯电压的20%;若电流小于0时,最高电压电芯的电压大于次高电压电芯电压的180%,则判断对应的动力电池为高压连接异常故障,反之则为其他疑似故障。
第四步,若为其他疑似故障,则故障判断单元5再对采集数据集合按照预设的采样异常判断策略进行判断,若将动力电池的电压数据导入MATLAB中生成时域电压统计图,若电池系统在任何状态下,BMS电池管理系统的同一采集单元的12颗电芯,单体电压以相同的偏移量向同一方向偏移,中值电压偏移量大于等于50mV,则为批量采样异常故障。
第五步,若不是批量采样异常故障,则选择6号电芯以及与之相邻的7号电芯,并开始逐个比较,若相邻两颗电芯分别向两个不同的方向偏移,且两颗电芯的中值电压偏移量大于等于50mV,则为单个电芯采样异常故障。
实施例六:
本实施例与实施例一基本相同,区别在于:如图4所示,显示模块3包括图像显示单元7、动态趋势单元8和提醒单元9;图像显示单元7通过图文的方式直观地展现识别结果;动态趋势单元8用来展示历史故障情况的动态趋势;提醒单元9用来提醒工作人员及时更换动力电池。
将显示模块3的功能丰富化,不仅能够以图像的形式显示动力电池的故障,同时还能统计该电池的历史故障,并形成动态趋势图展示出来;在展示的同时,还能够通过提醒单元向工作人员提醒动力电池发生的故障,以便工作人员及时处理故障,避免造成更严重的后果,保证动力电池的运行安全性。
本实施例的具体实施过程与实施例一基本相同,区别在于:
第七步,显示模块3接收该识别结果并将识别结果用图文的方式显示在显示屏上,同时还显示该动力电池历史故障情况的动态趋势图,最后向工作人员发出更换动力电池的提醒信息。
以上所述的仅是本发明的实施例,方案中公知的具体技术方案和/或特性等常识在此未作过多描述。应当指出,对于本领域的技术人员来说,在不脱离本发明技术方案的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (8)

1.一种动力电池异常故障识别系统,其特征在于:包括数据处理模块,以及与数据处理模块分别连接的数据采集模块和显示模块;
所述数据采集模块,用来在采集时间段内采集动力电池数据形成采集数据集合,并将采集数据集合发送给数据处理模块;
所述数据处理模块,包括初步判断单元和故障判断单元;
所述初步判断单元,按照预设的初步判断策略对接收到的采集数据集合进行判断,若采集数据集合显示动力电池在规定时间段内存在充高放低和内阻异常增大情况,则初步判断被采集的动力电池为高压连接异常疑似故障;反之,则初步判断被采集的动力电池为其他疑似故障;
所述故障判断单元,接收采集数据集合和初步判断单元判断得到的高压连接异常疑似故障或其他疑似故障;所述故障判断单元,对高压连接异常疑似故障对应的采集数据集合按照预设的高压连接异常判断策略进行判断,在同一时段运行过程中,电流绝对值大于0.5-1.5C的条件下,电芯电压的差值是否在规定范围内;若在规定范围内,则判断为高压连接异常故障,反之则为其他疑似故障;所述故障判断单元,对其他疑似故障对应的采集数据集合按照预设的采样异常判断策略进行判断,采样异常故障,包括批量采样异常故障和单个电芯采样异常故障,根据时域电压分布情况,先判断是否存在批量采样异常故障,若没有批量采样异常故障再判断是否存在单个电芯采样异常故障,若满足采样异常判断策略则判断对应的动力电池为采样异常故障,反之则为其他故障;所述数据处理模块将故障判断单元判断得出的高压连接异常故障、采样异常故障或其他故障作为识别结果发送给显示模块;
所述显示模块,用于接收并显示识别结果。
2.根据权利要求1所述的一种动力电池异常故障识别系统,其特征在于:所述数据处理模块还包括策略选择单元;所述策略选择单元用来存储策略选择表;所述策略选择表中预存有不同条件下的高压连接异常判断策略和采样异常判断策略。
3.根据权利要求1所述的一种动力电池异常故障识别系统,其特征在于:所述高压连接异常判断策略为,在同一时段运行过程中,电流绝对值大于0.5-1.5C的条件下,若电流大于0时,最低电压电芯的电压小于次低电压电芯电压的90%-98%;若电流小于0时,最高电压电芯的电压大于次高电压电芯电压的102%-110%,则判断对应的动力电池为高压连接异常故障。
4.根据权利要求1所述的一种动力电池异常故障识别系统,其特征在于:所述采样异常判断策略为,根据所述采集数据集合统计出时域电压分布情况,若电池系统在任何状态下,BMS电池管理系统的同一采集单元的N颗电芯,单体电压以相同的偏移量向同一方向偏移,中值电压偏移量大于等于30mV-60mV,则为批量采样异常故障;若不是批量采样异常故障,则随机选取X电芯和与之相邻的Y电芯,若这两颗电芯分别向两个不同的方向偏移,且两颗电芯的中值电压偏移量大于等于30mV-60mV,则为单个电芯采样异常故障。
5.根据权利要求1所述的一种动力电池异常故障识别系统,其特征在于:所述显示模块包括图像显示单元、动态趋势单元和提醒单元;所述图像显示单元通过图文的方式直观地展现识别结果;所述动态趋势单元用来展示历史故障情况的动态趋势;所述提醒单元用来提醒工作人员及时更换动力电池。
6.一种动力电池异常故障识别方法,其特征在于,包括以下步骤:
S1,数据采集模块在采集时间段内采集动力电池数据并形成采集数据集合,随后将采集数据集合发送给数据处理模块;
S2,数据处理模块接收采集数据集合,并由初步判断单元对采集数据集合按照预设的初步判断策略进行故障初步判断,若采集数据集合显示动力电池在规定时间段内存在充高放低和内阻异常增大情况,则初步判断被采集的动力电池为高压连接异常疑似故障;反之,则初步判断被采集的动力电池为其他疑似故障;
S3,故障判断单元接收采集数据集合和初步判断单元判断得到的高压连接异常疑似故障或其他疑似故障,并对高压连接异常疑似故障对应的采集数据集合按照预设的高压连接异常判断策略进行判断,在同一时段运行过程中,电流绝对值大于0.5-1.5C的条件下,电芯电压的差值是否在规定范围内;若在规定范围内,则判断为高压连接异常故障,反之则为其他疑似故障;
S4,故障判断单元对其他疑似故障对应的采集数据集合按照预设的采样异常判断策略进行判断,采样异常故障,包括批量采样异常故障和单个电芯采样异常故障,根据时域电压分布情况,先判断是否存在批量采样异常故障,若没有批量采样异常故障再判断是否存在单个电芯采样异常故障,若满足采样异常判断策略则判断对应的动力电池为采样异常故障,反之则为其他故障;
S5,数据处理模块将故障判断单元判断得出的高压连接异常故障、采样异常故障或其他故障作为识别结果,并将识别结果发送给显示模块;
S6,显示模块接收识别结果并将识别结果显示在显示屏上。
7.根据权利要求6所述的一种动力电池异常故障识别方法,其特征在于:所述采集时间段为一个月至三个月;所述动力电池数据,包括电压数据、电流数据和其他数据。
8.根据权利要求6所述的一种动力电池异常故障识别方法,其特征在于:所述初步判断策略为,检测动力电池在三个月内有无明显的充高放低和直流内阻异常增大的情况;所述充高放低为,电池系统运行过程中,同一时段,电流绝对值大于0.5-1.5C的条件下,针对同一电芯,若该电芯的电流大于0,则该电芯为所有电芯中电压最低的电芯,即最低电压电芯;若该电芯的电流小于0,则该电芯为所有电芯中电压最高的电芯,即最高电压电芯;所述直流内阻异常增大为,在三个月内动力电池的直流内阻增大量超过变化前直流内阻的30%。
CN202110875293.8A 2021-07-30 2021-07-30 一种动力电池异常故障识别方法及系统 Active CN113589178B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110875293.8A CN113589178B (zh) 2021-07-30 2021-07-30 一种动力电池异常故障识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110875293.8A CN113589178B (zh) 2021-07-30 2021-07-30 一种动力电池异常故障识别方法及系统

Publications (2)

Publication Number Publication Date
CN113589178A CN113589178A (zh) 2021-11-02
CN113589178B true CN113589178B (zh) 2022-06-17

Family

ID=78253085

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110875293.8A Active CN113589178B (zh) 2021-07-30 2021-07-30 一种动力电池异常故障识别方法及系统

Country Status (1)

Country Link
CN (1) CN113589178B (zh)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5466103B2 (ja) * 2010-07-16 2014-04-09 トヨタ自動車株式会社 組電池の異常検出装置
CN102205800B (zh) * 2011-02-25 2014-09-17 南京华博科技有限公司 一种智能电动车电池管理系统
CN102332616B (zh) * 2011-07-29 2014-06-11 奇瑞汽车股份有限公司 一种动力电池管理系统的诊断控制方法
CN103197188A (zh) * 2013-03-05 2013-07-10 上海翼锐汽车科技有限公司 电池电流传感器故障诊断系统及其方法
CN106696712B (zh) * 2016-12-20 2019-06-28 常州普莱德新能源电池科技有限公司 动力电池故障检测方法、系统及电动车辆
CN109188182A (zh) * 2018-09-13 2019-01-11 北京新能源汽车股份有限公司 动力电池系统高压电连接故障检测方法、装置及电动汽车
CN109613435B (zh) * 2018-12-20 2022-07-05 常州普莱德新能源电池科技有限公司 一种电池非自身故障引起电压采集异常的检测方法及系统
CN109885021A (zh) * 2019-02-15 2019-06-14 中国电力科学研究院有限公司 一种基于实时采集数据对采集设备进行监测的方法及系统
CN112698233B (zh) * 2020-12-15 2022-09-13 合肥国轩高科动力能源有限公司 一种锂离子动力电池包虚焊检测方法及系统

Also Published As

Publication number Publication date
CN113589178A (zh) 2021-11-02

Similar Documents

Publication Publication Date Title
EP3557269B1 (en) Online detection method for internal short-circuit of battery
CN110018425B (zh) 一种动力电池故障诊断方法及系统
CN110376530B (zh) 电池内短路检测装置及方法
CN110370984A (zh) 动力电池热失控预警方法
CN116435634B (zh) 基于蓄电池温度状态监控及管理系统
CN115494404B (zh) 一种蓄电池组在线监测方法
CN109406929B (zh) 变电站蓄电池组内部开路在线监测报警装置
CN106816905B (zh) 电动汽车以及电池管理系统及其故障检测方法
CN105527582B (zh) 一种动力电池组故障电池预判方法
CN111579121B (zh) 在线诊断新能源汽车电池包内温度传感器故障的方法
CN109031143A (zh) 一种野外自动气象站蓄电池异常状态综合判断方法
CN110036305A (zh) 用于运行机动车的牵引电池组的方法和为此的电池组管理设备
CN109782193A (zh) 一种多支路电池组电路断路的判别方法
CN113589178B (zh) 一种动力电池异常故障识别方法及系统
CN109541471B (zh) 一种电池采样线松动故障诊断方法
CN116165552A (zh) 一种电池系统过压/欠压故障定位方法
CN116736142B (zh) 一种电池组健康状况预警的方法、系统及装置
CN116923188A (zh) 一种新能源车的充电保护系统
CN115447436B (zh) 一种智能化的电动车换电柜系统
CN115808634A (zh) 储能电站锂电池安全状态估计方法、装置、设备及介质
CN115343630A (zh) 动力电池的电池压降识别方法
KR20230013423A (ko) 배터리 화재 예방 진단 시스템
CN113341332A (zh) 电池热失控预警方法、装置、作业机械及电子设备
CN105226334A (zh) 电池监控系统与其方法
CN112305424A (zh) 一种三元锂梯次储能电站数据异常即时报警方法及系统

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