CN113848495B - 基于充电曲线的内部微短路故障诊断方法 - Google Patents
基于充电曲线的内部微短路故障诊断方法 Download PDFInfo
- Publication number
- CN113848495B CN113848495B CN202111184145.8A CN202111184145A CN113848495B CN 113848495 B CN113848495 B CN 113848495B CN 202111184145 A CN202111184145 A CN 202111184145A CN 113848495 B CN113848495 B CN 113848495B
- Authority
- CN
- China
- Prior art keywords
- battery
- curve
- charging
- voltage
- short circuit
- 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
- 238000007600 charging Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000003745 diagnosis Methods 0.000 title claims abstract description 11
- 230000032683 aging Effects 0.000 claims abstract description 6
- 238000011084 recovery Methods 0.000 claims description 6
- 238000005562 fading Methods 0.000 claims description 5
- 238000010277 constant-current charging Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 abstract description 4
- 229910001416 lithium ion Inorganic materials 0.000 abstract description 4
- 238000000605 extraction Methods 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 abstract 2
- 230000007774 longterm Effects 0.000 abstract 1
- 238000012360 testing method 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
- 238000001514 detection method Methods 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明公开了一种基于充电曲线的内部微短路故障诊断方法,包括:容量增量法ICA分析,电池容量变化率监控,电压释放曲线追踪;根据电池充电曲线得到的IC曲线,提取老化特征,掌握电池当前老化状态;根据长期监控得到的相邻两次充电容量衰减速率的比较,获得电池内短路故障的特征;最后,根据充电结束后短时间内的电压曲线,与全新电池状态下的情况进行比较,判断是否发生了微短路。本发明是基于电池充电状态的特征提取,可以在充电及完成后,实现电池内部微短路故障的有效诊断和识别,该方法适用于不同类型的锂离子电池。
Description
技术领域
本发明涉及电池状态估计技术领域,具体是一种基于充电曲线的内部微短路故障诊断方法。
背景技术
锂离子电池内短路故障是危及电池使用安全的高风险故障,这种故障将导致电池内部正负极短路,从而引发热失控、燃烧和起火。而这种电池内部短路的故障往往出现时已经无法挽回,那么对电池内部微短路进行提前诊断和识别对于保证电池使用安全有重要意义。
现有的内短路故障检测往往从外部电池电压特性获得,测试得到电压异常时,其内部内短路过程已经开始,而且来不及采取措施。
发明内容
本发明的目的在于提供一种基于充电曲线的内部微短路故障诊断方法,在充电过程中就能够诊断电池内部短路故障,保证电池使用安全。
实现本发明目的的技术方案为:一种基于充电曲线的内部微短路故障诊断方法,包括以下步骤:
步骤1、对电池进行充电,获得电池充电电压曲线,并在此基础上得到IC曲线,从而分析电池老化情况;
步骤2、在充电结束后,停止充电时,继续采集电池端电压,根据电池端电压恢复情况判断电池故障;
步骤3、分析电池两次充电容量之间的衰减速率,判断电池故障情况;
步骤4、根据IC分析结果、端电压恢复情况以及容量衰减速率,综合诊断电池故障情况。
与现有技术相比,本发明的显著优点为:(1)本发明所提出的一种基于充电曲线的内部微短路故障诊断方法,能够根据充电过程判断电池内部微短路故障;(2)本发明所提出的内部微短路诊断方法,具有计算量小,便于实施的优点,降低了对BMS硬件的要求;此外,该方法适用于不同类型的锂离子电池,具有普遍适用性。
附图说明
图1为根据本发明实施例的基于粒子群优化算法的电池单体容量估计方法的流程图。
图2为电池IC曲线图。
图3为OCV特征电量段图。
具体实施方式
电池充电过程是常见的工况,为了便于故障诊断和识别的同时,不影响电池使用,在充电过程中提取特征参数,并以此作为判据进行故障诊断。本发明根据电池发生微短路时的故障特征提取,提前预警电池存在的内短路故障风险。
如图1所示,本发明的一种基于充电曲线的内部微短路故障诊断方法,该电池故障诊断方法可以实现任意类型的锂离子电池,只要借助于充电过程就可以实现,包括以下步骤:
步骤1、对电池进行充电,获得电池充电电压曲线,并在此基础上得到IC曲线,从而分析电池老化情况;
步骤2、在充电结束后,停止充电时,继续采集电池端电压,根据电池端电压恢复情况判断电池故障。
步骤3、分析电池两次充电容量之间的衰减速率,判断电池故障情况;
步骤4、根据IC分析结果、端电压恢复情况以及容量衰减速率,综合诊断电池故障情况。
进一步的,步骤1具体为:
步骤1-1,电池首先以1C/2倍率恒流放电,至电池下限截止电压时放电结束;
步骤1-2,静置2小时;
步骤1-3,以1C/20倍率对电池恒流充电,至电池上限截止电压时停止充电,充电过程中电压和电流采样时间间隔不小于1s一次;
步骤1-4,根据步骤1-3中恒流充电时间,计算电池第n次充电的参考容量值;
步骤1-5,根据步骤1-3中充电电量与充电电压的对应关系,计算容量随电压变化量dQ/dV,得到容量增量与电压关系曲线,然后使用高斯滤波算法,得到平滑的IC数据曲线。
进一步的,在充电结束后,利用步骤1中得到的电池IC曲线,求取曲线中极大值点和极小值点,分别为IC曲线峰、谷值点;
利用积分公式,计算峰、谷值点与x轴围成的面积,得到表征电池容量衰退变化的IC特征面积。
进一步的,步骤2具体为:
步骤2-1,在充电结束后,继续以相同的采样时间采集电池端电压下降的变化曲线。
步骤2-2,在30分钟后,将所得到的端电压变化曲线与全新电池相同倍率充电得到的端电压曲线进行比较。
步骤2-3,当在30分钟后采集的电池端电压与全新电池相比,超过设定阈值a时,认为电池出现了内部微短路故障。
进一步的,步骤3中,根据前n次充电得到的电池容量,计算每相邻两次充电容量的变化率,当变化率超过设定阈值b时,认为电池出现了内部微短路故障,自身放电使容量下降。
进一步的,步骤4中,根据所获得的IC曲线,以健康状态100%,80%,60%所对应的IC曲线峰值特征进行划定,对所对应的100-80区间设定为低风险故障,80-60区间设定为中风险故障,60以下区间设定为高风险故障区间。其中,80%属于低风险。
在每次充电结束后,结束后分别进行容量衰减速率和端电压下降曲线的获取,并根据这两个曲线是否超过预先设定的阈值来判断是否出现内短路故障。
下面以某三元材料锂电池为例对本发明进行具体说明。
实施例
选用磷酸铁锂电池进行实验。首先,按照厂家提供的手册,以1C/2(1.1A)电流倍率对电池进行一次标准循环充放电,然后,然后以1C/20(0.11A)倍率恒流放电到电池下限截止电压2.5V,完成电池小电流IC测试,具体流程如图1所示。
以所测电池电压为x轴,电量为y轴,建立电池OCV曲线。
求取IC曲线中极大值点和极小值点,分别为IC曲线峰、谷值点,如图2所示。
通过实验室提前获取100%,80%,60%健康状态所对应的峰值2数值,判断电池当前老化状态。
电池充电结束后的电压下降曲线如图3所示。这里选用阈值为50毫伏,当30分钟后的电压与全新电池电压下降的电压差超过50毫伏,认为出现了内短路故障。
Claims (3)
1.一种基于充电曲线的内部微短路故障诊断方法,其特征在于,包括以下步骤:
步骤1、对电池进行充电,获得电池充电电压曲线,并在此基础上得到IC曲线;
步骤2、在充电结束后,继续采集电池端电压,根据电池端电压恢复情况判断电池故障,具体为:
步骤2-1,在充电结束后,继续以相同的采样时间采集电池端电压下降的变化曲线;
步骤2-2,在30分钟后,将所得到的端电压变化曲线与全新电池相同倍率充电得到的端电压曲线进行比较;
步骤2-3,当在30分钟后采集的电池端电压与全新电池相比,超过设定阈值a时,认为电池出现了内部微短路故障;
步骤3、分析电池两次充电容量之间的衰减速率,判断电池故障情况;
根据前n次充电得到的电池容量,计算每相邻两次充电容量的变化率,当变化率超过设定阈值b时,判定电池出现内部微短路故障,自身放电使容量下降;
步骤4、根据IC曲线分析结果、端电压恢复情况以及容量衰减速率,综合诊断电池故障情况;
根据所获得的IC曲线,以健康状态100%,80%,60%所对应的IC曲线峰值特征进行划定,所对应的100%-80%区间设定为低风险故障,80%-60%区间设定为中风险故障,60%以下区间设定为高风险故障区间;
在每次充电结束后,分别进行容量衰减速率和端电压下降曲线的获取,并根据这两个曲线是否超过预先设定的阈值来判断是否出现内短路故障。
2.根据权利要求1所述的基于充电曲线的内部微短路故障诊断方法,其特征在于,步骤1中所述IC曲线的获取方法为:
步骤1-1,电池首先以1C/2倍率恒流放电,至电池下限截止电压时放电结束;
步骤1-2,静置2小时;
步骤1-3,以1C/20倍率对电池恒流充电,至电池上限截止电压时停止充电,充电过程中电压和电流采样时间间隔不小于1s一次;
步骤1-4,根据步骤1-3中恒流充电时间,计算电池第n次充电的参考容量值;
步骤1-5,根据步骤1-3中充电电量与充电电压的对应关系,计算容量随电压变化量dQ/dV,得到容量增量与电压关系曲线,然后使用高斯滤波算法,得到平滑的IC曲线。
3.根据权利要求2所述的基于充电曲线的内部微短路故障诊断方法,其特征在于,步骤1中分析电池老化情况的方法为:
在充电结束后,利用步骤1中得到的电池IC曲线,求取曲线中极大值点和极小值点,分别为IC曲线峰、谷值点;
利用积分公式,计算峰、谷值点与x轴围成的面积,得到表征电池容量衰退变化的IC曲线特征面积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111184145.8A CN113848495B (zh) | 2021-10-11 | 2021-10-11 | 基于充电曲线的内部微短路故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111184145.8A CN113848495B (zh) | 2021-10-11 | 2021-10-11 | 基于充电曲线的内部微短路故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113848495A CN113848495A (zh) | 2021-12-28 |
CN113848495B true CN113848495B (zh) | 2023-11-21 |
Family
ID=78978020
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111184145.8A Active CN113848495B (zh) | 2021-10-11 | 2021-10-11 | 基于充电曲线的内部微短路故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113848495B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114137417B (zh) * | 2021-11-19 | 2023-01-17 | 北京理工大学 | 一种基于充电数据特征的电池内短路检测方法 |
CN114910802A (zh) * | 2022-04-22 | 2022-08-16 | 南京理工大学 | 基于特征提取的电池容量损失与内短路故障识别方法 |
CN115856671B (zh) * | 2022-12-16 | 2023-09-08 | 广东工业大学 | 一种锂离子电池组微短路与电压传感器异常状态辨识方法 |
CN117347869B (zh) * | 2023-12-04 | 2024-03-01 | 深圳三晖能源科技有限公司 | 储能电池管理系统数据分析方法、装置、电子设备及介质 |
CN117686921B (zh) * | 2024-02-02 | 2024-05-31 | 江苏林洋亿纬储能科技有限公司 | 检测电池内短路的方法和系统及计算设备 |
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 |
CN117907862B (zh) * | 2024-03-20 | 2024-06-11 | 青岛艾诺仪器有限公司 | 一种电池微短路检测方法 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101460859A (zh) * | 2006-06-06 | 2009-06-17 | 松下电器产业株式会社 | 电池组件的异常判断方法及电池组件 |
JP2009204401A (ja) * | 2008-02-27 | 2009-09-10 | Nec Corp | 二次電池の内部短絡検出装置および内部短絡検出方法 |
CN101800340A (zh) * | 2009-02-05 | 2010-08-11 | 三洋电机株式会社 | 二次电池的异常检测器件及二次电池器件 |
JP2016090399A (ja) * | 2014-11-05 | 2016-05-23 | 日本電信電話株式会社 | 短絡検出方法、短絡検出システムおよび短絡電流値算出方法 |
CN106932722A (zh) * | 2015-12-30 | 2017-07-07 | 华为技术有限公司 | 一种动力电池的内短路检测方法及装置 |
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 |
CN107870301A (zh) * | 2016-09-27 | 2018-04-03 | 华为技术有限公司 | 一种电池微短路的检测方法及装置 |
CN108152755A (zh) * | 2018-01-19 | 2018-06-12 | 上海理工大学 | 在线定量诊断电池微短路故障的方法 |
CN108318775A (zh) * | 2018-05-11 | 2018-07-24 | 北京市亿微科技有限公司 | 在线诊断电池短路故障的方法及装置 |
CN109991556A (zh) * | 2019-04-08 | 2019-07-09 | 洛阳理工学院 | 一种针对磷酸铁锂动力电池短期衰竭故障的诊断方法 |
JP2020071054A (ja) * | 2018-10-29 | 2020-05-07 | Fdk株式会社 | 微短絡検知方法、及び微短絡検知装置 |
CN111707958A (zh) * | 2020-05-26 | 2020-09-25 | 同济大学 | 一种基于容量增量曲线特征的电池内短路检测方法 |
CN111929602A (zh) * | 2020-06-23 | 2020-11-13 | 上海理工大学 | 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 |
CN112014746A (zh) * | 2020-09-08 | 2020-12-01 | 上海理工大学 | 一种区分串联电池包内外微短路的故障诊断方法 |
CN112649749A (zh) * | 2020-11-16 | 2021-04-13 | 中车长春轨道客车股份有限公司 | 一种可控电池短路测试装置及其测试方法 |
CN112698217A (zh) * | 2020-12-25 | 2021-04-23 | 江苏省特种设备安全监督检验研究院 | 基于粒子群优化算法的电池单体容量估计方法 |
CN112924884A (zh) * | 2021-01-29 | 2021-06-08 | 同济大学 | 基于增量容量曲线峰值面积的电池内短路定量诊断方法 |
CN112924885A (zh) * | 2021-01-29 | 2021-06-08 | 同济大学 | 基于增量容量曲线峰值高度的电池内短路定量诊断方法 |
JP6918433B1 (ja) * | 2020-03-10 | 2021-08-11 | 三菱電機株式会社 | 劣化度診断装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI649573B (zh) * | 2017-12-04 | 2019-02-01 | 財團法人工業技術研究院 | 電池內短路阻抗之偵測方法和系統 |
-
2021
- 2021-10-11 CN CN202111184145.8A patent/CN113848495B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101460859A (zh) * | 2006-06-06 | 2009-06-17 | 松下电器产业株式会社 | 电池组件的异常判断方法及电池组件 |
JP2009204401A (ja) * | 2008-02-27 | 2009-09-10 | Nec Corp | 二次電池の内部短絡検出装置および内部短絡検出方法 |
CN101800340A (zh) * | 2009-02-05 | 2010-08-11 | 三洋电机株式会社 | 二次电池的异常检测器件及二次电池器件 |
JP2016090399A (ja) * | 2014-11-05 | 2016-05-23 | 日本電信電話株式会社 | 短絡検出方法、短絡検出システムおよび短絡電流値算出方法 |
CN106932722A (zh) * | 2015-12-30 | 2017-07-07 | 华为技术有限公司 | 一种动力电池的内短路检测方法及装置 |
CN107870301A (zh) * | 2016-09-27 | 2018-04-03 | 华为技术有限公司 | 一种电池微短路的检测方法及装置 |
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 |
CN108152755A (zh) * | 2018-01-19 | 2018-06-12 | 上海理工大学 | 在线定量诊断电池微短路故障的方法 |
CN108318775A (zh) * | 2018-05-11 | 2018-07-24 | 北京市亿微科技有限公司 | 在线诊断电池短路故障的方法及装置 |
JP2020071054A (ja) * | 2018-10-29 | 2020-05-07 | Fdk株式会社 | 微短絡検知方法、及び微短絡検知装置 |
CN109991556A (zh) * | 2019-04-08 | 2019-07-09 | 洛阳理工学院 | 一种针对磷酸铁锂动力电池短期衰竭故障的诊断方法 |
JP6918433B1 (ja) * | 2020-03-10 | 2021-08-11 | 三菱電機株式会社 | 劣化度診断装置 |
CN111707958A (zh) * | 2020-05-26 | 2020-09-25 | 同济大学 | 一种基于容量增量曲线特征的电池内短路检测方法 |
CN111929602A (zh) * | 2020-06-23 | 2020-11-13 | 上海理工大学 | 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 |
CN112014746A (zh) * | 2020-09-08 | 2020-12-01 | 上海理工大学 | 一种区分串联电池包内外微短路的故障诊断方法 |
CN112649749A (zh) * | 2020-11-16 | 2021-04-13 | 中车长春轨道客车股份有限公司 | 一种可控电池短路测试装置及其测试方法 |
CN112698217A (zh) * | 2020-12-25 | 2021-04-23 | 江苏省特种设备安全监督检验研究院 | 基于粒子群优化算法的电池单体容量估计方法 |
CN112924884A (zh) * | 2021-01-29 | 2021-06-08 | 同济大学 | 基于增量容量曲线峰值面积的电池内短路定量诊断方法 |
CN112924885A (zh) * | 2021-01-29 | 2021-06-08 | 同济大学 | 基于增量容量曲线峰值高度的电池内短路定量诊断方法 |
Non-Patent Citations (1)
Title |
---|
锂离子电池内短路机理与检测研究进展;刘力硕;《储能科学与技术》;第7卷(第6期);第1003-1015页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113848495A (zh) | 2021-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113848495B (zh) | 基于充电曲线的内部微短路故障诊断方法 | |
Lai et al. | Electrical behavior of overdischarge-induced internal short circuit in lithium-ion cells | |
CN105842627B (zh) | 基于数据模型融合的动力电池容量和荷电状态的估计方法 | |
CN114430080B (zh) | 一种基于运行数据的动力电池电芯异常自放电的识别方法 | |
CN107843852B (zh) | 一种获取离线数据来估算蓄电池联合状态的方法 | |
CN112924885B (zh) | 基于增量容量曲线峰值高度的电池内短路定量诊断方法 | |
CN103529394B (zh) | 一种储能系统容量检测装置及方法 | |
CN112098858B (zh) | 一种锂离子电池容量衰减的无损分析方法 | |
CN111856282B (zh) | 基于改进遗传无迹卡尔曼滤波的车载锂电池状态估计方法 | |
CN105242212A (zh) | 用于电池梯次利用的磷酸铁锂电池健康状态特征参数提取方法 | |
CN113602147B (zh) | 电池故障检测方法及电池故障检测装置 | |
KR102550371B1 (ko) | 내부 단락 고장 조기 검출 방법 및 장치 | |
CN112098875B (zh) | 锂离子电池析锂的检测方法 | |
CN111064253A (zh) | 一种基于平均离散Fréchet距离的电池健康度快速评估方法 | |
CN113075566A (zh) | 锂离子动力电池析锂检测方法 | |
CN112098866A (zh) | 一种判断电池在循环过程中是否发生析锂的无损分析方法 | |
KR20160080802A (ko) | 배터리 팩의 저항 측정 장치 및 방법 | |
CN114252795B (zh) | 一种预测锂离子电池循环寿命的方法 | |
CN113109723B (zh) | 一种同比多倍率混合脉冲功率特性的电池内阻测试方法 | |
CN114487852A (zh) | 动力电池余能检测方法、装置、计算机设备及存储介质 | |
CN112698217B (zh) | 基于粒子群优化算法的电池单体容量估计方法 | |
CN113341329A (zh) | 一种电压弛豫判定电芯析锂的方法及系统 | |
CN115774200B (zh) | 一种锂离子电池串联模组微/内短路检测方法 | |
CN111313110A (zh) | 一种梯次利用三元电池容量快速衰退预警方法及系统 | |
CN116593910A (zh) | 一种锂电池析锂检测方法、装置、介质及车辆 |
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 |