CN113848479B - 一种融合均衡信息的串联电池组短路及低容量故障诊断方法、系统及设备 - Google Patents
一种融合均衡信息的串联电池组短路及低容量故障诊断方法、系统及设备 Download PDFInfo
- Publication number
- CN113848479B CN113848479B CN202111183878.XA CN202111183878A CN113848479B CN 113848479 B CN113848479 B CN 113848479B CN 202111183878 A CN202111183878 A CN 202111183878A CN 113848479 B CN113848479 B CN 113848479B
- Authority
- CN
- China
- Prior art keywords
- fault
- battery
- electric quantity
- battery pack
- capacity
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000003745 diagnosis Methods 0.000 title claims abstract description 28
- 238000007600 charging Methods 0.000 claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 239000000178 monomer Substances 0.000 claims description 53
- 238000004590 computer program Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 238000011002 quantification Methods 0.000 abstract description 2
- 238000011897 real-time detection Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 5
- 230000001186 cumulative effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000010277 constant-current charging Methods 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007774 positive electrode material Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- 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)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种融合均衡信息的串联电池组短路及低容量故障诊断方法、系统及设备属于电路故障诊断领域,旨在解决现有技术中短路故障和低容量故障诊断过程中无法考虑电路中均衡的影响,无法应用于配备有均衡控制的电池系统中的缺陷性技术问题。在均衡状态下的电池组多故障诊断,根据电池组是否满足一致性要求执行故障检测,故障检测通过对行驶工况和充电工况下均衡信息的分析,实现短路与低容量故障的实时检测与区分,并实现故障量化,解决了现有短路或老化相关故障诊断方法在均衡下失效的问题。利用均衡过程信息对电池组中短路和低容量故障单体进行检测、区分,有效减少故障诊断计算负荷,利于实际电池管理系统应用。
Description
技术领域
本发明属于电路故障诊断领域,涉及一种融合均衡信息的串联电池组短路及低容量故障诊断方法、系统及设备。
背景技术
近年来,电池管理技术领域研究得到了迅速的发展,其研究理论水平和工程应用水平均得到了很大的进步。而其中,电池故障诊断与估计研究是当前亟待深入探讨的领域,需要对短路故障、低容量故障等电池组常见故障类型的故障特征和诊断方法进行研究。
短路故障研究中,内短路故障研究为当前热点,其故障诊断方法主要包括相关系数方法、依据充电曲线变换估计剩余充电电量方法、基于SOC差异分析等。由于内短路存在一定的故障潜伏期,故障初期的自放电效应不明显,目前对于内短路故障的识别以及短路电阻的估计还存在挑战。
为了让电池组性能得到最大程度利用,实际各类电池系统中已广泛采用均衡控制,其采用主动或被动均衡方案以使电池能量趋于一致。但在现有的内短路诊断方法中,多数研究是假设电池组是无均衡的,这往往与实际电池组运行情况不相符。在有均衡状态下,上述短路诊断方法均会直接受到影响,甚至失效。比如相关系数方法是基于单体电压间的相关性进行异常识别,但均衡特别是主动均衡的介入会引起各单体电压的波动,导致方法误诊断可能性增大;对于利用充电电压曲线诊断方法,在短路初期电路均衡能力足以补偿短路自放电消耗时,短路单体和正常单体的充电电压曲线相比并没有明显差异,因此该短路电阻估计方法会失效。同理,对于基于SOC差异分析方法,由于未考虑均衡电流影响,因此其估计的SOC值与单体实际SOC值存在差异,因此短路电阻估计不准确,且同样存在短路初期诊断失效的问题。
此外,低容量故障即容量异常衰退故障也是值得重点关注的电池故障类型。由于工作条件差异、不一致的状态和个别单体过充过放等原因,电池组中各单体的衰减速度会出现差异。当电池组中出现低容量故障单体时,会直接导致电池组实际可用容量减少,因此低容量单体的及时检测和定位非常重要。尽管目前有关电池容量衰退的研究很多,以数据驱动算法为其典型代表,但其大多计算复杂度高,难以实现车载在线应用。另外,能将短路和低容量故障这两种电池组常见故障结合进行分析的研究还很少。现有的相关研究是通过分析故障单体SOC偏差变化和电池组平均SOC之间的相关性以实现短路和低容量故障的区分。但该方法同样基于无均衡假设,在有均衡干预的情况下,其无法获取准确的SOC偏差,故障区分方法将会失效。
综上所述,目前的短路故障和低容量故障诊断方法中未考虑电路中均衡的影响,无法应用于配备有均衡控制的电池系统中,在真实使用场景下适用性受限。
发明内容
为了克服上述现有技术的缺点,本发明的目的在于提供一种融合均衡信息的串联电池组短路及低容量故障诊断方法、系统及设备,旨在解决现有技术中短路故障和低容量故障诊断过程中无法考虑电路中均衡的影响,无法应用于配备有均衡控制的电池系统中的缺陷性技术问题。
为达到上述目的,本发明采用以下技术方案予以实现:
本发明公开了一种融合均衡信息的串联电池组短路及低容量故障诊断方法,其特征在于,包括以下步骤:
第二步、初始化均衡控制系统,根据步骤一得到的平均电池荷电状态值SOC确定均衡电量阈值Qset;根据均衡电量阈值Qset判断各单体是否满足一致性要求;
第三步、根据步骤二获取的初始化均衡控制系统内的控制器未接收到电池单体的充电信号时,确认当前为行驶模式,根据步骤二得到的均衡电量阈值Qset和各电池单体对应均衡电量判断行驶模式下电池组故障情况,实现行驶模式下电池组故障检测;
根据步骤二获取的初始化均衡控制系统内的控制器接收到电池单体的充电信号时,确认当前为充电模式,根据步骤二得到的均衡电量阈值Qset和各电池单体对应均衡电量判断充电模式下电池组短路或低容量故障情况,实现充电模式下电池组短路或低容量故障检测。
优选地,行驶模式下故障检测,包括以下步骤:
当前时刻电池单体的均衡电量满足时,则判定电池组内无故障单体,更新电池组故障状态,执行下一时刻的均衡控制,即计算各单体对应均衡电量当前时刻有电池单体的均衡电量满足时,则判定电池单体内有短路或低容量故障发生,发送故障预警信号至控制器;更新电池组故障状态,执行下一时刻的均衡控制,即计算各单体对应均衡电量
均衡电量阈值Qset取电池额定容量的1.5%。
优选地,在第三步中,充电模式下故障检测,包括以下步骤:
1)、预设均衡电量判断:
2)、电池组有故障发生,充电过程电池组平均电池荷电状态值SOC判断:
其中,SOCset为平均电池荷电状态值的阈值;SOCset取值由充电过程低容量故障单体与正常单体电压曲线显现出明显差异时的电池组平均电池荷电状态值SOC决定;
3)、故障单体均衡电量变化单调性判断:
1)选取w时间区间,得到区间内均衡电量变化值ΔQw:
其中,w为估计时间区间大小,ISC为短路电流;
2)根据欧姆定律关系,将公式(2)转换为公式(3):
其中,Vo为端电压,RSC为短路电阻;
3)短路电阻估计如公式(4)所示:
其中,w的取值由估计值稳定度进行调整。
优选地,电池组低容量故障分级过程如下:
故障等级用ψC表示,1级故障等级-容量轻度衰减、2级故障等级-容量中度衰减和3级故障等级-容量严重衰减故障,不同故障等级对应的均衡电量区间如公式(6)所示:
优选地,均衡控制系统为基于电容的均衡拓扑结构、基于电感的均衡拓扑结构或基于变压器的均衡拓扑结构的主动均衡系统。
优选地,均衡电量阈值Qset的取值与所使用电池容量相关。
优选地,短路电阻估计方法中由故障单体侧均衡电量对短路消耗电量进行等效替代,其使用的短路电阻估计方法还能够为最小二乘法等辨识方法。
优选地,根据均衡策略确定电池单体是否满足一致性要求。
本发明还提出了一种融合均衡信息的串联电池组短路及低容量故障诊断方法的系统,包括:
数据获取模块,用于获取初始电池组平均电池荷电状态值SOC;
数据诊断模块,用于确定电池单体的模式,当电池单体模式为行驶模式时,实现行驶模式下电池组故障检测;当电池单体模式为充电模式,实现充电模式下电池组短路或低容量故障检测。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行计算机程序时实现融合均衡信息的串联电池组短路及低容量故障诊断方法的步骤。
与现有技术相比,本发明具有以下有益效果:
本发明公开了一种融合均衡信息的串联电池组短路及低容量故障诊断方法,首次提出在均衡状态下的电池组多故障诊断策略,通过对行驶工况和充电工况下均衡信息的分析,实现短路与低容量故障的实时检测与区分,并实现故障量化,解决了现有短路或老化相关故障诊断方法在均衡下失效的问题。与现有技术相比本发明故障诊断用时短,适合电池管理系统在线应用,计算负荷低。故障诊断算法流程简洁,并可拓展应用至多种均衡电路拓扑。利用均衡过程信息对电池组中短路和低容量故障单体进行检测、区分以及故障量化,同时有效减少故障诊断计算负荷,利于实际电池管理系统应用。
进一步地,均衡电量阈值Qset的取值与所使用电池容量相关,可由正常电池组不同使用条件下的均衡电量最大值确定。
进一步地,短路电阻估计方法中由故障单体侧均衡电量对短路消耗电量进行等效替代,其使用的短路电阻估计方法还可以是最小二乘法等辨识方法。
进一步地,通过设置各级故障对应的均衡电量区间,可以给出不同的低容量故障评级,对应容量轻度衰减、容量中度衰减和容量重度衰减故障。
进一步地,均衡电量阈值Qset可取为电池额定容量的1.5%,其作用是避免出现误诊断。
本申请提出的一种融合均衡信息的串联电池组短路及低容量故障诊断方法的系统,采用模块化思想实现电路的故障诊断,当哪个模块出现问题时能单独管理,模块之间相互独立且互不影响。
附图说明
图1为本发明所提出的方法进行短路与低容量故障诊断的流程图;
图2为本实施例中均衡电路拓扑原理图;
图3为本实施例中短路故障下故障检测与区分情况;
图4为本实施例中短路电阻估计结果;
图5为本实施例中低容量故障下故障检测与区分情况。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面结合附图对本发明做进一步详细描述:
参见图1所示流程图,为本发明提供的一种融合均衡信息的串联电池组短路及低容量故障诊断方法,包括以下步骤:
第二步、初始化均衡控制系统,根据步骤一得到的平均电池荷电状态值SOC确定均衡电量阈值Qset,根据均衡电量阈值Qset判断各电池单体是否满足一致性要求;
第三步、根据步骤二获取的初始化均衡控制系统内的控制器未接收到电池单体的充电信号时,确认当前为行驶模式,根据步骤二得到的均衡电量阈值Qset和各电池单体对应均衡电量判断行驶模式下电池组故障情况,实现行驶模式下电池组故障检测;
根据步骤二获取的初始化均衡控制系统内的控制器接收到电池单体的充电信号时,确认当前为充电模式,根据步骤二得到的均衡电量阈值Qset和各电池单体对应均衡电量判断充电模式下电池组短路或低容量故障情况,实现充电模式下电池组短路或低容量故障检测。
优选地,均衡控制系统为基于电容的均衡拓扑结构、基于电感的均衡拓扑结构或基于变压器的均衡拓扑结构的主动均衡系统。
其中,为单体侧均衡电流值,为第i个单体的均衡电量,T为时间间隔,为电池组向第i个单体均衡的累计时间,为第i个单体向电池组均衡的累计时间,Ic为均衡电流控制值,根据实际电路均衡能力选取。即使均衡电路中未配备采集均衡电流的传感器,也可利用计算式得到近似的均衡电量值,实施相应的诊断策略。
在第三步中,行驶模式下故障检测,包括以下步骤:
均衡电量阈值Qset取电池额定容量的1.5%。
在第三步中,充电模式下故障检测与区分,包括以下步骤:
①预设均衡电量判断:
②电池组有故障发生,充电过程电池组平均电池荷电状态值SOC判断:
其中,SOCset为平均电池荷电状态值的阈值;SOCset取值由充电过程低容量故障单体与正常单体电压曲线显现出明显差异时的电池组平均电池荷电状态值SOC决定;
若由于故障特性,此时低容量故障单体电压可能是最低的,此时还无法实现故障区分,判定电池组为短路或低容量故障,更新电池组故障状态,执行下一时刻的均衡控制,即计算各单体对应均衡电量③故障单体均衡电量变化单调性判断:
(1)选取w时间区间,得到区间内均衡电量变化值ΔQw:
其中,w为估计时间区间大小,ISC为短路电流;
(2)由电路中欧姆定律关系,将公式(2)转换为公式(3):
其中,Vo为端电压,RSC为短路电阻;
(3)短路电阻估计如公式(4)所示:
其中,端电压已知,只需要计算ΔQw即可计算得短路电阻,w的取值由估计值稳定度进行调整,一般可取为3000s;
低容量故障分级具体流程如下:
当电池组在行驶模式下曾达到足够的放电深度时,可满足低容量故障分级条件。当存在低容量故障单体时,则根据时刻的均衡电量绝对值进行故障程度分级。SOCjudge取值根据实际测试取为30%。故障等级分为1、2、3级,用ψC表示,分别对应容量轻度衰减、容量中度衰减和容量严重衰减故障。不同故障等级对应的均衡电量区间如公式(6)所示:
对短路与低容量故障检测与区分过程原理进行如下说明:
当串联电池组中发生短路故障时,短路单体电量被持续消耗,电压低于其他正常单体,因此触发电池组向短路单体均衡。低容量故障的故障特征与短路不同,在行驶工况下,电池组会向低容量单体均衡,但在充电工况下,其电压上升速度相对其他单体更快,因此低容量单体会反过来向电池组均衡。利用均衡信息可实现对故障的检测和区分。
所述均衡控制过程可使用基于电压均衡策略、基于电池荷电状态值SOC均衡策略等。
所述均衡电量阈值Qset的取值与所使用电池容量相关,可由正常电池组不同使用条件下的均衡电量最大值确定。
由于短路单体消耗的电量由电池组整体或部分电池向其均衡进行补偿,因此故障单体侧的累计均衡电量与短路消耗电量存在近似相等关系,可由均衡电量值近似替代短路消耗电量而计算得到短路电阻值。
本发明还提出了一种融合均衡信息的串联电池组短路及低容量故障诊断方法的系统,包括:
数据获取模块,用于获取初始电池组平均电池荷电状态值SOC;
数据诊断模块,用于确定电池单体的模式,当电池单体模式为行驶模式时,实现行驶模式下电池组故障检测;当电池单体模式为充电模式,实现充电模式下电池组短路或低容量故障检测。
本发明一实施例提供的终端设备的示意图。该实施例的终端设备包括:处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序。所述处理器执行所述计算机程序时实现上述各个方法实施例中的步骤。或者,所述处理器执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能。
所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器、存储器。
所述处理器可以是中央处理单元(CentralProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现成可编程门阵列(Field-ProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述终端设备的各种功能。
所述终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
实施例:
本实施例采用的电池为三元锂正极材料软包电池,标称容量为10.0Ah,上限电压为4.2V,下限电压为2.75V,由4个单体串联组成电池组。
实施例中均衡电路拓扑选择使用基于变压器的双向Flyback拓扑,其是电池系统中应用最广泛的均衡拓扑之一,拓扑结构参见图2。该拓扑可实现单个或多个电池与电池组之间的独立能量交换。需要说明的是,本发明所提出的故障诊断方法不局限于Flyback拓扑应用,只要均衡电路具备主动均衡功能即可满足本发明的应用条件。
均衡控制策略使用简单的基于电压均衡策略,偏离电池组平均电压的电压阈值设置为0.01V,电池组平均SOC阈值SOCset设置为40%。实施例中模拟驾驶工况选择城市道路工况(UDDS,Urban Dynamomete Driving Schedule),工况放电后进行恒流充电,模拟电池组实际运行工况。
对短路故障进行实验模拟,将各单体的初始电压设置为4.03V。于实验开始时刻在单体3两端并联6.75Ω的短路电阻。短路故障检测与区分过程参见图3。由图3可见,行驶工况下故障单体3的均衡电量持续增大,至超出设定阈值;而在控制器接收到充电信号后,均衡电量持续增大,进一步进行故障区分。故障检测用时1168s,故障区分用时10943s,无误诊断,验证了故障检测与区分方法的有效性。
短路电阻估计结果参见图4。由图4可见,开始估计短路电阻后,其估计阻值可以迅速收敛到真实值6.75Ω附近,且在行驶模式和充电模式下均能保持较好的估计精度。其最大误差为2.88Ω,估计误差标准差仅为0.653Ω,平均绝对百分比误差为23.13%,验证了本发明短路电阻估计方法的有效性。
对低容量故障进行实验模拟,各单体的起始电压设置为4.13V,在工况放电后进行5min的搁置,再进行恒流充电。单体4为一低容量故障单体,实际容量为8.54Ah,可模拟电池组中低容量故障电池。低容量故障检测和区分过程参见图5。由图5可见,行驶工况下故障单体4的均衡电量持续增大,至超出设定阈值;而在控制器接收到充电信号且满足时,检测到均衡电量持续减小,实现故障区分。故障检测用时5948s,故障区分用时11765s,无误诊断,验证了故障检测与区分方法的有效性。低容量故障分级部分,过程中时刻,均衡电量Qequ为0.6102Ah,判定其故障等级ψC=3,属于容量严重衰减故障,与实际故障情况相符,完成验证。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (10)
1.一种融合均衡信息的串联电池组短路及低容量故障诊断方法,其特征在于,包括如下步骤:
第二步、初始化均衡控制系统,根据步骤一得到的平均电池荷电状态值SOC确定均衡电量阈值Qset,根据均衡电量阈值Qset判断各电池单体是否满足一致性要求;
第三步、根据步骤二获取的初始化均衡控制系统内的控制器未接收到电池单体的充电信号时,确认当前为行驶模式,根据步骤二得到的均衡电量阈值Qset和各电池单体对应均衡电量判断行驶模式下电池组故障情况,实现行驶模式下电池组故障检测;
4.根据权利要求2所述的融合均衡信息的串联电池组短路及低容量故障诊断方法,其特征在于,在第三步中,充电模式下故障检测,包括以下步骤:
1)预设均衡电量判断:
2)、电池组有故障发生,充电过程电池组平均电池荷电状态值SOC值判断:
其中,SOCset为平均电池荷电状态值的阈值;SOCset取值由充电过程低容量故障单体与正常单体电压曲线显现出明显差异时的电池组平均电池荷电状态值SOC决定;
3)、故障单体均衡电量变化单调性判断:
8.根据权利要求1所述的融合均衡信息的串联电池组短路及低容量故障诊断方法,其特征在于,均衡控制系统为基于电容的均衡拓扑结构、基于电感的均衡拓扑结构或基于变压器的均衡拓扑结构的主动均衡系统。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行计算机程序时实现权利要求1至8中任意一项所述的融合均衡信息的串联电池组短路及低容量故障诊断方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111183878.XA CN113848479B (zh) | 2021-10-11 | 2021-10-11 | 一种融合均衡信息的串联电池组短路及低容量故障诊断方法、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111183878.XA CN113848479B (zh) | 2021-10-11 | 2021-10-11 | 一种融合均衡信息的串联电池组短路及低容量故障诊断方法、系统及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113848479A CN113848479A (zh) | 2021-12-28 |
CN113848479B true CN113848479B (zh) | 2022-06-07 |
Family
ID=78977961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111183878.XA Active CN113848479B (zh) | 2021-10-11 | 2021-10-11 | 一种融合均衡信息的串联电池组短路及低容量故障诊断方法、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113848479B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115951230B (zh) * | 2023-03-10 | 2023-06-16 | 苏州时代华景新能源有限公司 | 一种锂电池储能箱的异常检测方法及系统 |
CN117719345B (zh) * | 2024-02-06 | 2024-05-17 | 湖北工业大学 | 一种基于ic曲线考虑老化的电池微短路量化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102761166A (zh) * | 2012-08-06 | 2012-10-31 | 哈尔滨工业大学 | 一种锂离子电池组均衡电路及均衡方法 |
KR20160043479A (ko) * | 2014-10-13 | 2016-04-21 | 주식회사 엘지화학 | 엘씨 공진을 이용한 회로 고장 판단 시스템 및 방법 |
CN106802396A (zh) * | 2017-03-28 | 2017-06-06 | 上海理工大学 | 一种电池内短路的诊断方法 |
CN107076801A (zh) * | 2014-07-25 | 2017-08-18 | 锂平衡公司 | 电池管理系统中的电化学阻抗谱 |
CN107064803A (zh) * | 2016-12-16 | 2017-08-18 | 蔚来汽车有限公司 | 电池内短路的在线检测方法 |
-
2021
- 2021-10-11 CN CN202111183878.XA patent/CN113848479B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102761166A (zh) * | 2012-08-06 | 2012-10-31 | 哈尔滨工业大学 | 一种锂离子电池组均衡电路及均衡方法 |
CN107076801A (zh) * | 2014-07-25 | 2017-08-18 | 锂平衡公司 | 电池管理系统中的电化学阻抗谱 |
KR20160043479A (ko) * | 2014-10-13 | 2016-04-21 | 주식회사 엘지화학 | 엘씨 공진을 이용한 회로 고장 판단 시스템 및 방법 |
CN107064803A (zh) * | 2016-12-16 | 2017-08-18 | 蔚来汽车有限公司 | 电池内短路的在线检测方法 |
CN106802396A (zh) * | 2017-03-28 | 2017-06-06 | 上海理工大学 | 一种电池内短路的诊断方法 |
Non-Patent Citations (2)
Title |
---|
State-of-Charge_Balancing_of_Lithium-Ion_Batteries_With_State-of-Health_Awareness_Capability;Zhiyong Xia 等;《 IEEE Transactions on Industry Applications 》;20201008;第57卷(第1期);第673-683页 * |
锂离子电池组应用中存在的问题_孙仲振锂离子电池组应用中存在的问题;孙仲振 等;《化工设计通讯》;20210128;第47卷(第1期);第82-84页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113848479A (zh) | 2021-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3455917B1 (en) | Method and apparatus of a modular management system for energy storage cells | |
CN111208439B (zh) | 一种串联锂离子电池组微短路故障定量检测方法 | |
CN111610456B (zh) | 一种区分电池微短路和小容量故障的诊断方法 | |
EP2397863B1 (fr) | Systeme de surveillance de l'etat d'une batterie | |
JP7289113B2 (ja) | 管理装置、及び電源システム | |
WO2017119393A1 (ja) | 状態推定装置、状態推定方法 | |
CN112632850B (zh) | 一种锂电池组中异常电池的检测方法及系统 | |
CN113848479B (zh) | 一种融合均衡信息的串联电池组短路及低容量故障诊断方法、系统及设备 | |
CN116027199B (zh) | 基于电化学模型参数辨识检测电芯全寿命内短路的方法 | |
CN111537885B (zh) | 一种串联电池组的多时间尺度短路电阻估计方法 | |
CN114035086B (zh) | 基于信号处理的电池组多故障诊断方法 | |
Qiu et al. | Battery hysteresis modeling for state of charge estimation based on Extended Kalman Filter | |
CN108363016B (zh) | 基于人工神经网络的电池微短路定量诊断方法 | |
Alsabari et al. | Modeling and validation of lithium-ion battery with initial state of charge estimation | |
CN112379271B (zh) | 一种考虑钝化的碳包式锂亚硫酰氯电池容量检测方法 | |
CN116930786A (zh) | 电池动态异常检测方法、装置、存储介质及电子设备 | |
Tang et al. | An aging-and load-insensitive method for quantitatively detecting the battery internal-short-circuit resistance | |
US11988718B2 (en) | Battery diagnosing apparatus and method | |
CN111342515B (zh) | 串联蓄电池组监测诊断、均衡电路和策略 | |
Huynh et al. | Impact of cell replacement on the state-of-health for parallel Li-ion battery pack | |
Seo et al. | Model-based internal short circuit detection of lithium-ion batteries using standard charge profiles | |
US20240120763A1 (en) | Method for controlling battery banks and battery system using the same | |
CN117269769A (zh) | 基于多维特征的锂电池内短路快速检测和定量估计方法 | |
CN115047361A (zh) | 一种基于序列相似度的电池内短路在线诊断方法 | |
CN116973786A (zh) | 电池组多故障分离检测方法、装置、电子设备及存储介质 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240514 Address after: 710086, Room 916, 9th Floor, Building 3-D, Phase I, Zone 3, Energy Jinmao Zone, Fengdong New City, Xixian New Area, Xi'an City, Shaanxi Province Patentee after: Shaanxi Shuzhi Lithium Cloud New Energy Technology Co.,Ltd. Country or region after: China Address before: 710049 No. 28 West Xianning Road, Shaanxi, Xi'an Patentee before: XI'AN JIAOTONG University Country or region before: China |