CN113805066B - 一种基于改进欧氏距离相似度的串联电池组多故障诊断方法 - Google Patents

一种基于改进欧氏距离相似度的串联电池组多故障诊断方法 Download PDF

Info

Publication number
CN113805066B
CN113805066B CN202111102587.3A CN202111102587A CN113805066B CN 113805066 B CN113805066 B CN 113805066B CN 202111102587 A CN202111102587 A CN 202111102587A CN 113805066 B CN113805066 B CN 113805066B
Authority
CN
China
Prior art keywords
ieds
voltage
battery
fault
sensor
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
CN202111102587.3A
Other languages
English (en)
Other versions
CN113805066A (zh
Inventor
于全庆
李建明
金毅
王大方
杨博文
郝自伟
陈仕钦
李宪营
孙旭
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.)
Weihai Tianda Automobile Technology Co ltd
Harbin Institute of Technology Weihai
Original Assignee
Weihai Tianda Automobile Technology Co ltd
Harbin Institute of Technology Weihai
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 Weihai Tianda Automobile Technology Co ltd, Harbin Institute of Technology Weihai filed Critical Weihai Tianda Automobile Technology Co ltd
Priority to CN202111102587.3A priority Critical patent/CN113805066B/zh
Publication of CN113805066A publication Critical patent/CN113805066A/zh
Application granted granted Critical
Publication of CN113805066B publication Critical patent/CN113805066B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • 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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery

Abstract

一种基于改进欧氏距离相似度的串联电池组多故障诊断方法,涉及新能源汽车动力电池系统领域，包括故障识别、定位、检测和隔离四部分。采用交错电压测量设计布置传感器位置，根据串联电路无故障时电压变化一致的原理，通过出现异常电压值的传感器的编号，识别出故障的类型并定位出故障发生的位置。基于改进欧氏距离相似度的检测方法，以测量电压数据集为输入，计算相邻编号传感器测量电压的改进欧氏距离相似度值，根据故障诊断策略可以判断出故障的类型。本发明无需复杂的计算，且不需要增加额外的硬件，就可以诊断出连接松脱故障、传感器故障、内短路和外短路故障；大大简化了故障诊断的难度。

Description

一种基于改进欧氏距离相似度的串联电池组多故障诊断方法
技术领域
本发明涉及新能源汽车动力电池系统领域，尤其涉及一种基于改进欧氏距离相似度的串联电池组多故障在线诊断方法。
背景技术
电池管理系统(Battery Management System,BMS)是电动汽车的核心部分，它在很大程度上决定了可驾驶性和每次充电后的行驶里程。尽管电池制造和包装技术不断进步，但由于老化过程或操作过程中的滥用行为，电池系统或相关附件仍可能出现故障。当发生故障后，会导致参数估计不准确、局部发热、热失控等一系列问题。研究串联电池组是研究电池系统的基础。因此，串联电池组的故障诊断方法对保证电池性能和安全显得尤为重要。
到目前为止，已有大量关于串联电池组故障诊断的文献和专利，其主要集中在连接松脱故障、电池自身故障和传感器故障等方面。连接松脱故障通常表现为电池组中相邻电池之间连接部分的阻值过大或者接触不良，发生后通常导致局部发热，从而引发安全问题。电池自身故障包括过充、过放、微短路、内短路、外短路和热失控，发生后通常引发电池温度上升等问题。传感器故障不仅会导致参数估计不准确，而且由于电池充放电极限值是由测量的电压决定的，所以电压传感器出现故障后极易导致电池滥用。目前，利用不同的原理，或者设计不同的方案，有许多研究能够进行故障诊断，且都能实现预期的效果。然而，目前的研究仍然存在如下问题：
(1)检测类型单一
现有的研究大部分只能实现简单且单一的故障检测。即针对不同类型的故障，需要建立不同的诊断方法才能实现故障检测。诊断方法的通用性较差，不能进行很好的推广。
(2)早期故障检测困难
此外，对于一些初期不易于检测的故障，比如内短路故障，往往需要增加额外的硬件或者采用复杂的计算方法才能诊断出。
(3)故障类型隔离困难
电池系统故障有多种形式，由于故障之间的耦合性和相似的特征，不同类型的故障难以被隔离开。就传感器故障而言，包括电压冻结、恒增益、随机偏差和固定偏差故障等类型。对于短路故障而言，内短路和外短路也需要被隔离开来。然而，目前的隔离方法不仅原理复杂，并且实现困难。
发明内容
本发明的目的是解决上述现有技术的不足，提供一种能诊断多种故障、定位出故障发生的位置，隔离具有相似特征的故障类型，无需增加额外的硬件便可检测出早期不明显的故障的基于改进欧氏距离相似度的串联电池组多故障在线诊断方法。
本发明解决上述现有技术的不足所采用的技术方案是：
一种基于改进欧氏距离相似度的串联电池组多故障诊断方法，其特征在于包括以下步骤：
步骤一：串联电池组电路中串联有n个电池，对n个电池(按序)依次编号为：电池1、电池2、电池3、……电池n，使用编号为1、2、3、……2n的2n个电压传感器(按编号顺序)分别测量电池1正负极间电压V1、电池1的正极到电池2的正极间的电压V2、电池1的负极到电池2的负极间电压V3、电池2的正极到电池3的正极间的电压V4、电池2的负极到电池3的负极间电压V5、……电池n-1的正极到电池n的正极间电压V2n-2、电池n-1的负极到电池n的负极间电压V2n-1和电池n正负极间电压V2n；n为不小于3的正整数；
步骤二：建立基于改进欧氏距离相似度的多故障检测模型，改进欧氏距离相似度的计算公式为；
式中xi表示传感器X在i时刻的电压值，yi表示传感器Y在i时刻的电压值，传感器X和传感器Y为编号相关的两个电压传感器；RIEDS(xi,yi)表示电压传感器X和电压传感器Y在i时刻测量电压值的改进欧氏距离相似度；a为递归移动窗口，ci为独立方波信号；独立方波信号中c0取值为0.05，时间周期取T0为60；a取值30；编号相关的两个电压传感器指编号相邻的两个传感器，或者编号为2n(编号最后一个)和编号为1(编号第一个)的两个传感器。
步骤三：建立故障诊断策略；
根据实时测得的数据V1、V2、V3、……V2n计算每一时刻的RIEDS(xi,yi)，得到RIEDS(x,y)实时值。将由所有电压传感器测量值计算得到的RIEDS(x,y)分成Rgroup1和Rgroup2两个不同的组：Rgroup1中的RIEDS(x,y)所涉及到的两个传感器的编号中，编号较小的为奇数；Rgroup2中的RIEDS(x,y)所涉及到的两个传感器的编号中，编号较小的为偶数，即：
Rgroup1＝[RIEDS(V1,V2),RIEDS(V3,V4),RIEDS(V5,V6),…,RIEDS(V2n-1,V2n)]
Rgroup2＝[RIEDS(V2,V3),RIEDS(V4,V5),RIEDS(V6,V7),…,RIEDS(V2n,V1)]
当Rgroup1和Rgroup2中的所有RIEDS都极为接近1时(不小于0.997)，无故障发生；
当Rgroup2中的RIEDS(V2n-4,V2n-3)，RIEDS(V2n-2,V2n-1)明显下降到0.994以下，RIEDS(V2n-3,V2n-2)和其余RIEDS(x,y)保持不变时，电池n-1处于短路状态；
当Rgroup1中RIEDS(V2n-3,V2n-2)，RIEDS(V2n-1,V2n)明显的下降到0.92以下，而RIEDS(V2n-2,V2n-1)和其余RIEDS(x,y)保持不变时，电池n-1和电池n之间发生连接松脱故障；
当分别来自Rgroup1和Rgroup2的RIEDS(Vn-1,Vn)，RIEDS(Vn,Vn+1)明显下降到0.98以下，而其余RIEDS(x,y)保持不变时，编号为n的电压传感器处于故障；
进一步的，本发明对具有相似特征的故障之间进行隔离的方法为：
当Rgroup2中的RIEDS(V2n-4,V2n-3)和RIEDS(V2n-2,V2n-1)小于0.994、大于0.6时，电池n-1发生内短路故障；当Rgroup2中的RIEDS(V2n-4,V2n-3)和RIEDS(V2n-2,V2n-1)下降到0.6以下，电池n-1发生外短路故障；
当来自Rgroup1和Rgroup2的RIEDS(Vn-1,Vn)和RIEDS(Vn,Vn+1)小于0.98、大于0.96时，编号为n的电压传感器出现电压冻结；当来自Rgroup1和Rgroup2的RIEDS(Vn-1,Vn)，RIEDS(Vn,Vn+1)下降到0.96以下，编号为n的电压传感器出现随机偏差；
本发明的有益效果在于：
(1)改进欧氏距离相似度诊断灵敏度高，测量误差小。结合交错电压测量设计，可以快速的检测内短路等早期不易检测到的故障。
(2)通过设置不同的阈值，可以隔离出内短路与外短路，以及传感器故障的不同类型。即本发明可以有效地对故障进行识别、定位、检测和隔离。
附图说明
图1为本发明基于改进欧氏距离相似度的串联电池组多故障诊断方法流程图。
图2为串联电池组故障模拟详情图。
图3为无故障时的RIEDS结果图。
图4为连接松脱故障的RIEDS结果图；
图4a、图4b分别为图4的局部放大图。
图5为外部短路故障的RIEDS结果图；
图5a为图5的局部放大图。
图6为内部短路故障的RIEDS结果图；
图6a为图6的局部放大图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述。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。
一种基于改进欧氏距离相似度的串联电池组多故障诊断方法流程图，如图1所示，包括以下步骤：
步骤一：筹备串联电路发生故障时，动力电池放电过程中的数据库。按照交错电压测量设计布置传感器的位置，使用电压传感器测量出各位置的电压值；具体连接结构如图1中的交错电压测量设计部分所示：串联电池组电路中串联有n个电池，对n个电池(按序)依次编号为：电池1、电池2、电池3、……电池n，使用编号为1、2、3、……2n的2n个电压传感器(按编号顺序)分别测量电池1正负极间电压V1、电池1的正极到电池2的正极间的电压V2、电池1的负极到电池2的负极间电压V3、电池2的正极到电池3的正极间的电压V4、电池2的负极到电池3的负极间电压V5、……电池n-1的正极到电池n的正极间电压V2n-2、电池n-1的负极到电池n的负极间电压V2n-1和电池n正负极间电压V2n；n为不小于3的正整数。
步骤二：建立基于改进欧氏距离相似度的多故障检测模型，改进欧氏距离相似度的计算公式为；
式中xi表示传感器X在i时刻的电压值，yi表示传感器Y在i时刻的电压值，传感器X和传感器Y为编号相关的的两个电压传感器；a为递归移动窗口，ci为独立方波信号；独立方波信号中c0取值为0.05，时间周期取T0为60；a取值30；
步骤三：建立故障诊断策略；
根据实时测得的数据V1、V2、V3、……V2n计算每一时刻的RIEDS(xi,yi)，得到RIEDS(x,y)实时值。将由所有电压传感器测量值计算得到的RIEDS(x,y)分成Rgroup1和Rgroup2两个不同的组：Rgroup1中的RIEDS(x,y)所涉及到的两个传感器的编号中，编号较小的为奇数；Rgroup2中的RIEDS(x,y)所涉及到的两个传感器的编号中，编号较小的为偶数，即：
Rgroup1＝[RIEDS(V1,V2),RIEDS(V3,V4),RIEDS(V5,V6),…,RIEDS(V2n-1,V2n)]
Rgroup2＝[RIEDS(V2,V3),RIEDS(V4,V5),RIEDS(V6,V7),…,RIEDS(V2n,V1)]
当Rgroup1和Rgroup2中的所有RIEDS都极为接近1时(不小于0.997)，无故障；
当Rgroup2中的RIEDS(V2n-4,V2n-3)，RIEDS(V2n-2,V2n-1)明显下降到0.994以下，RIEDS(V2n-3,V2n-2)和其余RIEDS(x,y)保持不变时，电池n-1处于短路状态；
当Rgroup1中RIEDS(V2n-3,V2n-2)，RIEDS(V2n-1,V2n)明显的下降到0.92以下，而RIEDS(V2n-2,V2n-1)和其余RIEDS(x,y)保持不变时，电池n-1和电池n之间发生连接松脱故障；
当分别来自Rgroup1和Rgroup2的RIEDS(Vn-1,Vn)，RIEDS(Vn,Vn+1)明显下降到0.98以下，而其余RIEDS(x,y)保持不变时，编号为n的电压传感器处于故障。
根据上述计算数据，本发明对具有相似特征的故障之间进行隔离的方法为：
当Rgroup2中的RIEDS(V2n-4,V2n-3)和RIEDS(V2n-2,V2n-1)小于0.994、大于0.6时，电池n-1发生内短路故障；当Rgroup2中的RIEDS(V2n-4,V2n-3)和RIEDS(V2n-2,V2n-1)下降到0.6以下，电池n-1发生外短路故障；
当来自Rgroup1和Rgroup2的RIEDS(Vn-1,Vn)，RIEDS(Vn,Vn+1)小于0.98、大于0.96时，电压传感器n出现电压冻结故障；当来自Rgroup1和Rgroup2的RIEDS(Vn-1,Vn)，RIEDS(Vn,Vn+1)下降到0.96以下，电压传感器n出现随机偏差故障。
本发明提供的基于改进欧氏距离相似度的串联电池组多故障诊断方法中，各步骤的理论依据如下：
步骤一：筹备串联电池组发生故障时，动力电池放电过程中的数据库。按照交错电压测量设计布置传感器的位置，使用电压传感器测量出各位置的电压值；交错电压测量设计，是保证每一个电池的电压与两个传感器相关联，同样地，任意两电池之间的电阻也与两个传感器相关联。即电池自身发生故障或者电池之间出现连接故障时，都会导致两个传感器示数发生改变。而传感器故障仅影响自身的示数，而不影响相邻的其他传感器的示数。电路串联n个电池，采用2n个传感器进行交错连接。
(1)当电池n-1处于短路状态时，传感器测量电压V2n-3和V2n-2同时出现异常变化，通过两个电压传感器显示故障特征，出现异常变化的传感器中编号较小的为奇数；
(2)当接触电阻Rn-1,n处于故障状态，即电池n-1和电池n之间发生连接松脱故障，传感器测量电压V2n-2和V2n-1同时出现异常变化，出现异常变化的传感器中编号较小的为偶数；
(3)当序号为n的电压传感器处于故障时，传感器测量电压Vn出现异常变化，而其余测量电压均正常。
于是，通过出现异常电压传感器的编号可以推断出故障发生的类型以及故障发生的位置，从而实现识别和定位的作用。
步骤二：建立基于改进欧氏距离相似度的多故障检测模型：
基于欧氏距离的单体不一致判断，主要通过计算不同单体电压值的欧氏距离并进行比较，找出差异较大的欧氏距离值从而判断电池单体的不一致。由于一个距离涉及两个电池单体，导致计算量大，并且该方法不能用来检测和隔离多种故障。所以在此基础上，本发明提出了欧氏距离相似度的计算公式：
xi表示传感器X在i时刻的电压值，yi表示传感器Y在i时刻的电压值。无故障发生的时候，任意相邻编号传感器测量电压值变化量一致，EDS(xi,yi)应该恒为一个0-1的定值；出现故障的时候，相邻编号传感器测量电压值变化量不一致，EDS(xi,yi)的值发生改变。于是，通过观察EDS(xi,yi)的值是否发生明显的改变即可判断是否发生故障。
欧氏距离相似度可以用于对电池系统故障进行识别，然而，该方法不能快速地对故障进行检测，且不能隔离内外短路，现需要对其进行改进。改进后的计算公式为：
ΔX表示传感器X测量电压值的变化量，ΔY表示传感器Y测量电压值的变化量。改进后的欧氏距离相似度在进行故障诊断时更加方便：无故障的时候，即任意两相邻传感器X和Y测量的电压值变化量一致，IEDS(xi,yi)应该恒为1；当出现故障的时候，必定存在相邻传感器X和Y的变化量不一致，在出现故障的时刻，IEDS(xi,yi)的值会明显的下降，通过观察IEDS(xi,yi)是否发生明显的下降即可判断出是否发生故障。
实际运用的时候，由于数据量的原因，需要考虑诊断灵敏性和测量误差的影响，所以引入递归移动窗口a，来平衡诊断灵敏性和测量误差的影响；为了将电压采集数据就变成了一个准方波曲线，而不是一个稳定的数字，从而使电压有较为明显的变化趋势，引入独立方波信号ci。
得到改进欧氏距离相似度计算公式：
RIEDS(xi,yi)为任意两个相关的电压传感器间在i时刻电压值的改进欧氏距离相似度；RIEDS(x,y)表示由传感器X和Y的测量电压x和y，计算得到的改进欧氏距离相似度。RIEDS表示改进欧氏距离相似度。两个编号相关的电压传感器指编号相邻的两个传感器，以及编号为2n(编号最后一个)和编号为1(编号第一个)的两个传感器。
步骤三：建立故障诊断策略：
根据实验测得的数据，先计算改进欧氏距离相似度，然后得出其变化趋势，根据诊断策略判断故障的类型。将由所有电压传感器测量值计算得到的RIEDS(x,y)分成Rgroup1和Rgroup2两个不同的组：Rgroup1中的RIEDS(x,y)所涉及到的两个传感器的编号中，编号较小的为奇数；Rgroup2中的RIEDS(x,y)所涉及到的两个传感器的编号中，编号较小的为偶数，即：
Rgroup1＝[RIEDS(V1,V2),RIEDS(V3,V4),RIEDS(V5,V6),…,RIEDS(V2n-1,V2n)]
Rgroup2＝[RIEDS(V2,V3),RIEDS(V4,V5),RIEDS(V6,V7),…,RIEDS(V2n,V1)]
(1)当无故障的时候，Rgroup1和Rgroup2中的所有RIEDS(x,y)都极为接近1，根据后续实施例验证，都在0.997以上，具有很好的稳健性。
(2)当电池n-1处于短路状态时，测量电压V2n-1和V2n出现趋势相同的异常变化，其他测量电压无变化。所以Rgroup2中的RIEDS(V2n-4,V2n-3)和RIEDS(V2n-2,V2n-1)发生明显的下降。RIEDS(V2n-3,V2n-2)由于V2n-3和V2n-2变化趋势相同，所以几乎不变，其余欧氏距离相似度保持不变。
(3)当接触电Rn-1,n处于故障状态，即电池n-1和电池n之间发生连接松脱故障，测量电压V2n-2和V2n-1出现趋势相同的异常变化，其他测量电压无变化。所以Rgroup1中RIEDS(V2n-3,V2n-2)，RIEDS(V2n-1,V2n)发生明显的下降，而RIEDS(V2n-2,V2n-1)由于V2n-2和V2n-1变化趋势相同，所以几乎不变，其他改进欧氏距离相似度保持不变；
(4)当序号为n的电压传感器处于故障时，测量电压Vn出现异常变化，其余测量电压正常。所以分别来自Rgroup1和Rgroup2的RIEDS(Vn-1,Vn)，RIEDS(Vn,Vn+1)发生明显的下降，其余相似度保持不变。
于是可以得到故障诊断策略。当Rgroup1中有两个相邻的RIEDS下降到阈值0.92以下，即可以判断出现了连接松脱故障；当Rgroup2中有两个相邻的RIEDS下降到阈值0.994以下，即可以判断出现了短路故障；当Rgroup1和Rgroup2分别有一个RIEDS下降到阈值0.98以下，且两个下降的RIEDS有相同的传感器编号，即可以判断出现了传感器故障，相同编号的传感器即为出现故障的传感器；
建立用于具有相似特征的故障之间进行隔离的模型方法的理论是：对于短路故障而言，包括内短路和外短路两种情况。当电池n-1发生短路的时候，外短路和内短路都是通过检测到Rgroup2中的RIEDS(V2n-4,V2n-3)，RIEDS(V2n-2,V2n-1)发生明显的下降，从而诊断出故障。但是，外短路下降的程度较大，内短路下降的程度较小，所以设置不同的阈值对外短路故障和内短路故障进行隔离。对于传感器故障的电压冻结和随机偏差两种故障而言，当传感器n出现故障，测量电压值Vn出现异常变化，两种传感器故障都是通过检测到分别来自Rgroup1和Rgroup2的RIEDS(Vn-1,Vn)，RIEDS(Vn,Vn+1)发生明显的下降，从而诊断出故障。但是，随机偏差下降的程度更大，电压冻结下降的程度较小，所以设置不同的阈值来隔离传感器故障中的电压冻结和随机波动。
如图2所示的串联电池组电路故障设置详情图，用图2所示的电路进行实验、检测本发明的使用效果。
实验使用的是由3个LR1865SZ电池串联组成的串联电池组电路，串联电池组电路中串联有3个电池，对3个电池按序依次编号为：电池1、电池2、电池3，使用编号为1、2、3、……6的6个电压传感器按编号顺序分别测量电池1正负极间电压V1、电池1的正极到电池2的正极间的电压V2、电池1的负极到电池2的负极间电压V3、电池2的正极到电池3的正极间的电压V4、电池2的负极到电池3的负极间电压V5、电池3正负极间电压V6。通过电子负载保持电路的恒流状态。所有电池以0.5C恒流充电至50％SOC，休息1小时后进行故障实验。等效连接松脱故障是通过在电池1和电池2之间串联一系列不同值的电阻来实现的，本实验设置为在100秒的时候串联一个200mΩ的电池，在800秒的时候串联一个400mΩ的电阻，这两个电阻值是正常接触电阻的10-20倍；对于传感器故障，电压冻结是电压传感器故障的主要故障模式，随机偏差故障是检测难度最大的故障模式。因此，传感器故障主要模拟电压冻结和随机偏差两种情况。从100秒到500秒，保持V3的值不变以模拟电压冻结故障。500秒到700秒的时候，让传感器恢复正常。700秒到结束的时候，给V3增加一个振幅为0.1V的随机波动以模拟随机偏差故障。等效外部短路是通过并联一系列微小电阻实现，本实验设置为在电池2上并联阻值为0mΩ的电阻，即并联一根导线；内部短路故障是通过并联一个较大阻值电阻模拟电池内部短路的早期阶段，本实验设置为在电池2上并联阻值为20Ω的电阻。
交错电压测量设计，是保证每一个电池的电压与两个传感器相关联，同样地，任意两电池之间的电阻也与两个传感器相关联。而传感器故障仅影响自身的示数，而不影响相邻的其他传感器的示数。一共串联3个电池，采用6个传感器进行交错连接。通过这样的设计，可以快速地识别出故障的类型并且对其定位。(1)当电池2处于短路状态时，测量电压V3和V4同时出现异常变化，通过两个电压传感器显示故障特征，出现异常变化的传感器中编号较小的为奇数；(2)当电池1和电池2之间发生连接松脱故障时，测量电压V2和V3同时出现异常变化，出现异常变化的传感器中编号较小的为偶数；(3)当编号为3的传感器处于故障时，测量电压V3出现异常变化，而其余测量电压均正常。
于是，通过出现异常电压传感器的编号可以推断出故障发生的类型以及故障发生的位置，从而实现识别和定位的作用。
步骤二：计算编号相邻的传感器测量电压值之间的改进欧氏距离相似度值。即计算RIEDS(V1,V2)、RIEDS(V2,V3)、RIEDS(V3,V4)、RIEDS(V4,V5)、RIEDS(V5,V6)和RIEDS(V6,V1)。RIEDS(V1,V2)表示由编号为1的传感器测量电压值V1和编号为2的传感器测量电压值V2计算得到的改进欧氏距离相似度值。其余几个RIEDS同理。
本发明在基于欧氏距离的单体不一致判断基础上，提出了改进欧氏距离相似度的计算公式：
xi表示传感器X在i时刻的电压值，yi表示传感器Y在i时刻的电压值。无故障的时候，即任意两相邻传感器X和Y测量的电压值变化量一致，IEDS(xi,yi)应该恒为1；当出现故障的时候，必定存在相邻传感器X和Y的变化量不一致，因此IEDS(xi,yi)的值会明显地下降，通过观察IEDS(xi,yi)是否发生明显的下降即可判断出是否发生故障。
实际运用的时候，由于数据量的原因，需要考虑诊断灵敏性和测量误差的影响，所以引入递归移动窗口a，来平衡诊断灵敏性和测量误差的影响；为了将电压采集数据就变成了一个准方波曲线，而不是一个稳定的数字，从而使电压有较为明显的变化趋势，引入独立方波信号ci。得到改进欧氏距离相似度计算公式
由步骤一得到不同故障情况下，实验测得的六个传感器电压值。计算出两两相邻电压值之间的改进欧氏距离相似度，并分别记录下来。无故障的时候，改进欧氏距离相似度RIEDS结果图如图3所示，所有的RIEDS都在0.997以上，极为接近1。连接松脱故障工况下，改进欧氏距离相似度RIEDS结果图如图4所示，出现故障时，Rgroup1中的RIEDS(V1,V2)，RIEDS(V3,V4)下降到0.92以下，其余RIEDS仍极为接近1。外部短路故障工况下，改进欧氏距离相似度RIEDS结果图如图5所示，出现故障时，Rgroup2中的RIEDS(V2,V3)，RIEDS(V4,V5)下降到0.6以下，其余RIEDS仍极为接近1。内部短路故障工况下，改进欧氏距离相似度RIEDS结果图如图6所示，出现故障时，Rgroup2中的RIEDS(V2,V3)，RIEDS(V4,V5)下降到0.994以下，其余RIEDS仍极为接近1。
步骤三：利用步骤二计算得到的RIEDS值，将其分成两个组，Rgroup1中涉及到的两个传感器编号，编号较小的为奇数，Rgroup2中涉及到的两个传感器编号，编号较小的为偶数。即RIEDS(V1,V2)属于Rgroup1，RIEDS(V2,V3)属于Rgroup2。
Rgroup1＝[RIEDS(V1,V2),RIEDS(V3,V4),RIEDS(V5,V6)]
Rgroup2＝[RIEDS(V2,V3),RIEDS(V4,V5),RIEDS(V6,V1)]
根据故障诊断策略判断故障的类型。
当检测到Rgroup1和Rgroup2中都无RIEDS低于阈值0.997，说明无故障发生。
当检测到Rgroup2中的两改进欧氏距离相似度值RIEDS(V2,V3)，RIEDS(V4,V5)明显下降到0.997以下，通常以0.994为阈值，低于0.994即可以判断出现了短路故障，而RIEDS(V2,V3)和其余改进欧氏距离相似度值保持不变。说明测量电压V2和V3出现趋势相同的异常变化，即电池2处于短路状态。所以RIEDS(V2,V3)，RIEDS(V4,V5)明显下降，而RIEDS(V3,V4)由于V3和V4变化趋势相同，所以几乎不变。
当检测到Rgroup1中的两改进欧氏距离相似度值RIEDS(V1,V2)，RIEDS(V3,V4)明显下降到0.997以下，通常以0.92为阈值，低于0.92即可以判断出现了连接松脱故障，而RIEDS(V2,V3)和其余改进欧氏距离相似度值保持不变。说明测量电压V3和V4出现趋势相同的异常变化，即电池1和电池2之间发生连接松脱故障。所以RIEDS(V1,V2)，RIEDS(V3,V4)明显下降，而RIEDS(V2,V3)由于V2和V3变化趋势相同，所以几乎不变。
当检测到分别来自Rgroup1和Rgroup2的RIEDS(V3,V4)和RIEDS(V2,V3)，明显下降到0.997以下，通常以0.98为阈值，低于0.98即可以判断出现了传感器故障，其余相似度保持不变。说明测量电压V3出现异常变化，即序号为3的电压传感器处于故障。由于传感器故障仅影响自身，与之相邻的两传感器测量电压正常，所以RIEDS(V2,V3)，RIEDS(V3,V4)明显下降。
在上述步骤基础上，设置不同的阈值，即可隔离不同的故障，具体为：
当电池2处于短路状态时，无论是内部短路还是外部短路，都会导致Rgroup2中的RIEDS(V2,V3)，RIEDS(V4,V5)发生明显的下降。外部短路故障发生时，RIEDS(V2,V3)，RIEDS(V4,V5)下降到0.6以下。而内部短路故障发生时，RIEDS(V2,V3)，RIEDS(V4,V5)下降到0.994以下，但远在0.6以上。于是通过设置阈值来隔离两种短路。即只有当Rgroup2中的RIEDS(V2,V3)，RIEDS(V4,V5)下降到0.6以下才为外部短路；如果RIEDS(V2,V3)，RIEDS(V4,V5)下降到0.994以下，0.6以上，则为内部短路。
当序号为3的电压传感器处于故障时，无论时何种传感器故障。都是来自Rgroup1和Rgroup2的RIEDS(V3,V4)和RIEDS(V2,V3)发生明显的下降，其余相似度保持不变。当发生随机偏差故障的时候，RIEDS(V2,V3)，RIEDS(V3,V4)下降到0.96以下；当出现电压冻结的时候，RIEDS(V2,V3)，RIEDS(V3,V4)下降到0.98以下，但始终会保持在0.96以上。于是通过设置阈值来隔离两种不同的传感器故障。即只有当RIEDS(V2,V3)，RIEDS(V3,V4)下降到0.96以下才为随机偏差故障；如果RIEDS(V2,V3)，RIEDS(V3,V4)下降到0.98以下，0.96以上，则为电压冻结故障。
本发明能诊断多种故障、定位出故障发生的位置，隔离具有相似特征的故障类型，无需增加额外的硬件便可检测出早期不明显的故障的
上述虽然已经结合附图对本发明的具体实施方法进行了清晰的描述，但并非对本发明保护范围的限制，对于本领域的普通技术人员而言，在无明显创新下所获得的所有其他实施例，都属于本发明保护的范围。

Claims (2)

1.一种基于改进欧氏距离相似度的串联电池组多故障诊断方法，其特征在于包括以下步骤：
步骤一：串联电池组电路中串联有n个电池，对n个电池按序依次编号为：电池1、电池2、电池3、……电池n，使用编号为1、2、3、……2n的2n个电压传感器分别测量电池1正负极间电压V1、电池1的正极到电池2的正极间的电压V2、电池1的负极到电池2的负极间电压V3、电池2的正极到电池3的正极间的电压V4、电池2的负极到电池3的负极间电压V5、……电池n-1的正极到电池n的正极间电压V2n-2、电池n-1的负极到电池n的负极间电压V2n-1和电池n正负极间电压V2n；n为不小于3的正整数；
步骤二：建立基于改进欧氏距离相似度的多故障检测模型，改进欧氏距离相似度的计算公式为；
式中xi表示传感器X在i时刻的电压值，yi表示传感器Y在i时刻的电压值，传感器X和传感器Y为编号相关的的两个电压传感器；a为递归移动窗口，ci为独立方波信号；
步骤三：建立故障诊断策略；
根据传感器实时测得的电压数据V1、V2、V3、……V2n计算每一时刻的RIEDS(xi，yi)，得到RIEDS(x，y)实时值；将由所有电压传感器测量值计算得到的RIEDS(x，y)分成Rgroup和Rgroup2两个不同的组：Rgroup1中的RIEDS(x，y)所涉及到的两个传感器的编号中，编号较小的为奇数；Rgroup2中的RIEDS(x，y)所涉及到的两个传感器的编号中，编号较小的为偶数，即：
Rgroup1＝[RIEDS(V1，V2)，RIEDS(V3，V4)，RIEDS(V5，V6)，…，RIEDS(V2n-1，V2n)]
Rgroup2＝[RIEDS(V2，V3)，RIEDS(V4，V5)，RIEDS(V6，V7)，…，RIEDS(V2n，V1)]
当Rgroup1和Rgroup2中的所有RIEDS都极为接近1且不小于0.997时，无故障；
当Rgoup2中的RIEDS(V2n-4，V2n-3)，RIEDS(V2n-2，V2n-1)明显下降到0.994以下，RIEDS(V2n-3，V2n-2)和其余RIEDS(x，y)保持不变时，电池n-1处于短路状态；
当Rgroup1中RIEDS(V2n-3，V2n-2)，RIEDS(V2n-I，V2n)明显的下降到0.92以下，而RIEDS(V2n-2，V2n-1)和其余RIEDS(x，y)保持不变时，电池n-1和电池n之间发生连接松脱故障；
当分别来自Rgroup1和Rgroup2的RIEDS(Vn-1，Vn)，RIEDS(Vn，Vn+1)明显下降到0.98以下，而其余RIEDS(x，y)保持不变时，编号为n的电压传感器处于故障。
2.根据权利要求1所述的基于改进欧氏距离相似度的串联电池组多故障诊断方法，其特征在于对具有相似特征的故障之间进行隔离的方法为：
当Rgroup2中的RIEDS(V2n-4，V2n-3)和RIEDS(V2n-2，V2n-1)小于0.994、大于0.6时，电池n-1发生内短路故障：当Rgroup2中的RIEDS(V2n-4，V2n-3)和RIEDS(V2n-2，V2n-1)下降到0.6以下，电池n-1发生外短路故障；
当来自Rgroup1和Rgroup2的RIEDS(Vn-1，Vn)，RIEDS(Vn，Vn+1)小于0.98、大于0.96时，编号为n的电压传感器出现电压冻结故障；当来自Rgroup1和Rgroup2的RIEDS(Vn-1，Vn)，RIEDS(Vn，Vn+1)下降到0.96以下，编号为n的电压传感器出现随机偏差故障。
CN202111102587.3A 2021-09-20 2021-09-20 一种基于改进欧氏距离相似度的串联电池组多故障诊断方法 Active CN113805066B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111102587.3A CN113805066B (zh) 2021-09-20 2021-09-20 一种基于改进欧氏距离相似度的串联电池组多故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111102587.3A CN113805066B (zh) 2021-09-20 2021-09-20 一种基于改进欧氏距离相似度的串联电池组多故障诊断方法

Publications (2)

Publication Number Publication Date
CN113805066A CN113805066A (zh) 2021-12-17
CN113805066B true CN113805066B (zh) 2023-08-18

Family

ID=78895988

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111102587.3A Active CN113805066B (zh) 2021-09-20 2021-09-20 一种基于改进欧氏距离相似度的串联电池组多故障诊断方法

Country Status (1)

Country Link
CN (1) CN113805066B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114355206A (zh) * 2022-01-05 2022-04-15 浙江零碳云能源科技有限公司 一种基于相似性度量的储能电池无监督故障诊断算法
CN114818881B (zh) * 2022-04-07 2024-04-26 青岛大学 一种车载动力电池组电压传感器故障检测与定位方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3162609A1 (en) * 2015-11-02 2017-05-03 Samsung Electronics Co., Ltd. Battery management method and apparatus
CN112014759A (zh) * 2020-07-22 2020-12-01 量道(深圳)储能科技有限公司 基于分布式集群分析电池性能的方法及系统
CN112858917A (zh) * 2021-01-15 2021-05-28 哈尔滨工业大学（威海） 基于遗传算法优化神经网络的电池系统多故障诊断方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3162609A1 (en) * 2015-11-02 2017-05-03 Samsung Electronics Co., Ltd. Battery management method and apparatus
CN112014759A (zh) * 2020-07-22 2020-12-01 量道(深圳)储能科技有限公司 基于分布式集群分析电池性能的方法及系统
CN112858917A (zh) * 2021-01-15 2021-05-28 哈尔滨工业大学（威海） 基于遗传算法优化神经网络的电池系统多故障诊断方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于改进阈值比较法的电动汽车电池故障在线诊断方法;陈如尹;赖松林;杨志;;电气技术(12);全文 *

Also Published As

Publication number Publication date
CN113805066A (zh) 2021-12-17

Similar Documents

Publication Publication Date Title
CN111610456B (zh) 一种区分电池微短路和小容量故障的诊断方法
CN111208439B (zh) 一种串联锂离子电池组微短路故障定量检测方法
CN108196190B (zh) 一种电池组在线故障诊断方法
Yang et al. On-board diagnosis of soft short circuit fault in lithium-ion battery packs for electric vehicles using an extended Kalman filter
CN113805066B (zh) 一种基于改进欧氏距离相似度的串联电池组多故障诊断方法
CN107843853B (zh) 一种动力电池组串联连接故障诊断方法
US20130069660A1 (en) Method for in situ battery diagnostic by electrochemical impedance spectroscopy
CN106802396A (zh) 一种电池内短路的诊断方法
Zheng et al. Fault identification and quantitative diagnosis method for series-connected lithium-ion battery packs based on capacity estimation
CN106526488A (zh) 串联式动力电池包内传感器故障诊断方法
WO2021258472A1 (zh) 一种基于容量估计的单体电池漏电或微短路定量诊断方法
CN103163464A (zh) 电池包中电芯的检测方法
CN110441695A (zh) 一种基于模型和信号处理相结合的电池组多故障综合诊断方法
CN103415778A (zh) 具有并联的多个电池组的soc校正系统
CN113093016B (zh) 基于不确定噪声滤波的动力电池管理系统故障诊断方法
Ma et al. Faulty characteristics and identification of increased connecting and internal resistance in parallel-connected lithium-ion battery pack for electric vehicles
CN110988728B (zh) 一种锂电池包内部连接异常快速诊断方法
CN115932611A (zh) 一种基于弛豫过程的锂离子电池内短路故障诊断方法
WO2022166730A1 (zh) 基于不确定噪声滤波的动力电池管理系统故障诊断方法
Yu et al. Multi-Fault Diagnosis of Lithium-Ion battery systems based on correlation Coefficient and similarity Approaches
CN114814593A (zh) 基于闵氏距离和两步检测策略的电池组多故障诊断方法
CN116819332A (zh) 一种电池故障诊断方法、装置、介质及bms系统
JP7364605B2 (ja) 電池状態判定方法及び電池状態判定装置
CN113805065B (zh) 一种基于余弦相似度的混联电池组多故障诊断方法
Hu et al. Improved internal short circuit detection method for Lithium-Ion battery with self-diagnosis characteristic

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