CN113866641A - 一种锂离子电池的故障检测方法及装置 - Google Patents
一种锂离子电池的故障检测方法及装置 Download PDFInfo
- Publication number
- CN113866641A CN113866641A CN202111036570.2A CN202111036570A CN113866641A CN 113866641 A CN113866641 A CN 113866641A CN 202111036570 A CN202111036570 A CN 202111036570A CN 113866641 A CN113866641 A CN 113866641A
- Authority
- CN
- China
- Prior art keywords
- battery
- voltage data
- lithium ion
- frequency signal
- monomers
- 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
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 73
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 73
- 238000001514 detection method Methods 0.000 title claims abstract description 29
- 239000000178 monomer Substances 0.000 claims abstract description 129
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims description 41
- 238000007599 discharging Methods 0.000 claims description 22
- 125000004122 cyclic group Chemical group 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000003064 k means clustering Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 5
- 108010076504 Protein Sorting Signals Proteins 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 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]
- G01R31/367—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]
- G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及锂离子电池测试技术领域，具体提供了一种锂离子电池的故障检测方法及装置，包括：获取锂离子电池组中各电池单体的充放电循环中的放电段电压数据；分别对所述锂离子电池组中各电池单体的充放电循环中的放电段电压数据进行信号分解，得到所述各电池单体的分解信号中最低频信号分量；基于所述各电池单体的分解信号中最低频信号分量对所述锂离子电池组进行故障检测。本发明提供的技术方案，在不干扰锂离子电池系统运行的情况下，实现锂离子电池故障的快速检测，为电池系统的安全稳定运行与电池更换提供理论依据。
Description
技术领域
本发明涉及锂离子电池测试技术领域，具体涉及一种锂离子电池的故障检测方法及装置。
背景技术
锂离子电池具有能量密度高、功率性能高、工作温度范围宽和寿命长等优点，在储能领域被广泛应用。出于安全考虑，一般商用锂离子电池的容量大小有限，为了满足储能系统对能量和功率级别的要求，通常需要采取串并联成组方式进行使用。串并联的成组方法难以实现每个单体状态的精确估计，电、热滥用或运行环境恶劣等原因可能引起电池组内各单体内部结构发生改变进而导致热失控事故发生，因此需要尽早实现对电池潜在故障的准确检测，及时停止电池滥用，避免出现危险情况。
目前故障诊断方法可分为基于模型、基于知识、基于信号三类。基于模型的方法更加精确和可靠，但计算量较大且模型参数识别困难；由于部分故障没有被完全理解，基于知识的方法需要更有效的规则来精确地检测每个故障；基于信号的方法效果显著但随着诊断精度的提高，计算量也随之增加，且对测量噪声敏感，不能可靠地检测出早期故障。
发明内容
为了克服上述缺陷，本发明提出了一种锂离子电池的故障检测方法及装置。
第一方面，提供一种锂离子电池的故障检测方法，所述锂离子电池的故障检测方法包括：
获取锂离子电池组中各电池单体的充放电循环中的放电段电压数据；
分别对所述锂离子电池组中各电池单体的充放电循环中的放电段电压数据进行信号分解，得到所述各电池单体的分解信号中最低频信号分量；
基于所述各电池单体的分解信号中最低频信号分量对所述锂离子电池组进行故障检测。
优选的，所述获取锂离子电池组中各电池单体的充放电循环中的放电段电压数据之前，包括：
获取锂离子电池组中各电池单体的充放电循环电压数据，并对所述各电池单体的充放电循环电压数据进行预处理；
将预处理后各电池单体的充放电循环电压数据划分为各电池单体的充放电循环中的放电段电压数据和充电段电压数据。
进一步的，所述对所述各电池单体的充放电循环电压数据进行预处理，包括：
采用插值法对所述各电池单体的充放电循环电压数据中的缺失数据和/或异常点进行修复。
进一步的，所述将预处理后各电池单体的充放电循环电压数据划分为各电池单体的充放电循环中的放电段电压数据和充电段电压数据，包括：
将电池单体的SOC单调增加且维持多个采样时刻的起始时刻作为充电起始时刻，将电池单体的工作电流降为0且SOC维持恒定的时刻作为充电结束时刻；
将所述充电起始时刻至充电结束时刻之间的时段在所述预处理后各电池单体的充放电循环电压数据中对应的电压数据作为所述各电池单体的充放电循环中的充电段电压数据，其余时段在所述预处理后各电池单体的充放电循环电压数据中对应的电压数据作为所述各电池单体的充放电循环中的放电段电压数据。
优选的，所述基于所述各电池单体的分解信号中最低频信号分量对所述锂离子电池组进行故障检测，包括：
基于所述各电池单体的分解信号中最低频信号分量将所述各电池单体分为两类，并随机选择一电池单体为参照电池单体；
当电池单体量少的一类中电池单体数量小于预设值，且电池单体量少的一类中电池单体的分解信号中最低频信号分量与参照电池单体的分解信号中最低频信号分量为弱相关关系时，判定电池单体量少的一类中电池单体为故障单体，当电池单体量少的一类中电池单体数量小于预设值，且电池单体量多的一类中电池单体的分解信号中最低频信号分量与参照电池单体的分解信号中最低频信号分量为弱相关关系时，判定电池单体量少的一类中电池单体和所述参照电池单体均为故障单体。
进一步的，若电池单体的分解信号中最低频信号分量与参照电池单体的分解信号中最低频信号之间的相关系数小于预设阈值，则该电池单体的分解信号中最低频信号分量与参照电池单体的分解信号中最低频信号为弱相关关系，否则，该电池单体的分解信号中最低频信号分量与参照电池单体的分解信号中最低频信号为强相关关系。
进一步的，所述基于所述各电池单体的分解信号中最低频信号分量将所述各电池单体分为两类，包括：
基于所述各电池单体的分解信号中最低频信号分量，采用k-means聚类算法将所述各电池单体分为两类。
进一步的，所述相关系数为皮尔逊相关系数或欧式距离。
第二方面，提供一种锂离子电池的故障检测装置，所述锂离子电池的故障检测装置包括：
获取模块，用于获取锂离子电池组中各电池单体的充放电循环中的放电段电压数据；
信号分解模块，用于分别对所述锂离子电池组中各电池单体的充放电循环中的放电段电压数据进行信号分解，得到所述各电池单体的分解信号中最低频信号分量；
故障检测模块，用于基于所述各电池单体的分解信号中最低频信号分量对所述锂离子电池组进行故障检测。
第三方面，提供一种存储装置，该存储装置其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述任一项技术方案所述的锂离子电池的故障检测方法。
第四方面，提供一种控制装置，该控制装置包括处理器和存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由所述处理器加载并运行以执行上述任一项技术方案所述的锂离子电池的故障检测方法。
本发明上述一个或多个技术方案，至少具有如下一种或多种有益效果：
本发明提供了一种锂离子电池的故障检测方法及装置，包括：获取锂离子电池组中各电池单体的充放电循环中的放电段电压数据；分别对所述锂离子电池组中各电池单体的充放电循环中的放电段电压数据进行信号分解，得到所述各电池单体的分解信号中最低频信号分量；基于所述各电池单体的分解信号中最低频信号分量对所述锂离子电池组进行故障检测。本发明提供的技术方案，在不干扰锂离子电池系统运行的情况下，实现锂离子电池故障的快速检测，为电池系统的安全稳定运行与电池更换提供理论依据。
附图说明
图1是本发明实施例的锂离子电池的故障检测方法的主要步骤流程示意图；
图2是本发明实施例中锂离子电池组中所有单体原始放电电压曲线示意图；
图3是本发明实施例中锂离子电池组中所有单体经验模态分解后放电电压稳态分量曲线示意图；
图4是本发明实施例中窗口宽度为20的参照电池单体的分解信号中最低频信号之间与其余电池单体的分解信号中最低频信号分量的皮尔逊相关系数曲线示意图；
图5是本发明实施例的锂离子电池的故障检测装置的主要结构框图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚，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它实施例，都属于本发明保护的范围。
参阅附图1，图1是根据本发明的一个实施例的锂离子电池的故障检测方法的主要步骤流程示意图。如图1所示，本发明实施例中的锂离子电池的故障检测方法主要包括以下步骤：
步骤S101：获取锂离子电池组中各电池单体的充放电循环中的放电段电压数据；在一个实施方式中，所述锂离子电池组中各电池单体的充放电循环中的放电段电压数据可以在BMS系统中获取；
步骤S102：分别对所述锂离子电池组中各电池单体的充放电循环中的放电段电压数据进行信号分解，得到所述各电池单体的分解信号中最低频信号分量；
步骤S103：基于所述各电池单体的分解信号中最低频信号分量对所述锂离子电池组进行故障检测。
本实施例中，所述步骤S101：之前，包括：
获取锂离子电池组中各电池单体的充放电循环电压数据，并对所述各电池单体的充放电循环电压数据进行预处理；
将预处理后各电池单体的充放电循环电压数据划分为各电池单体的充放电循环中的放电段电压数据和充电段电压数据。
在一个实施方式中，所述对所述各电池单体的充放电循环电压数据进行预处理，包括：
采用插值法对所述各电池单体的充放电循环电压数据中的缺失数据和/或异常点进行修复。
其中，所述插值法可以为线性插值法，具体的，通过线性插值法将所述各电池单体的充放电循环电压数据中的缺失数据和/或异常点映射为相同时间间隔的时间序列，得到每个采样时刻近似准确的值，进而替换缺失数据和/或异常点；
在一个实施方式中，所述将预处理后各电池单体的充放电循环电压数据划分为各电池单体的充放电循环中的放电段电压数据和充电段电压数据，包括：
将电池单体的SOC单调增加且维持多个采样时刻的起始时刻作为充电起始时刻，将电池单体的工作电流降为0且SOC维持恒定的时刻作为充电结束时刻；
将所述充电起始时刻至充电结束时刻之间的时段在所述预处理后各电池单体的充放电循环电压数据中对应的电压数据作为所述各电池单体的充放电循环中的充电段电压数据，其余时段在所述预处理后各电池单体的充放电循环电压数据中对应的电压数据作为所述各电池单体的充放电循环中的放电段电压数据。
在本实施例中，选取经验模态分解作为信号分解的方法执行所述步骤S102，电池单体原始放电电压曲线和经验模态分解后的放电电压稳态分量曲线如图2、图3所示，原始放电电压曲线中第460个采样点开始电压呈现下降趋势，从放电电压稳态分量发现，A号单体在第459个采样点开始出现电压跌落的现象，表明此时已经发生故障。
本实施例中，所述步骤S103，包括：
基于所述各电池单体的分解信号中最低频信号分量将所述各电池单体分为两类，并随机选择一电池单体为参照电池单体；
当电池单体量少的一类中电池单体数量小于预设值，且电池单体量少的一类中电池单体的分解信号中最低频信号分量与参照电池单体的分解信号中最低频信号分量为弱相关关系时，判定电池单体量少的一类中电池单体为故障单体，当电池单体量少的一类中电池单体数量小于预设值，且电池单体量多的一类中电池单体的分解信号中最低频信号分量与参照电池单体的分解信号中最低频信号分量为弱相关关系时，判定电池单体量少的一类中电池单体和所述参照电池单体均为故障单体，在一个实施方式中，所述预设值为4。
进一步的，判断电池单体的分解信号中最低频信号分量与参照电池单体的分解信号中最低频信号分量之间的相关关系时，可以选取分解信号中最低频信号分量在预设窗口宽度内的数据进行分析，本实施例中，窗口宽度w＝20，具体的，若电池单体的分解信号中最低频信号分量与参照电池单体的分解信号中最低频信号之间的相关系数小于预设阈值，则该电池单体的分解信号中最低频信号分量与参照电池单体的分解信号中最低频信号为弱相关关系，否则，该电池单体的分解信号中最低频信号分量与参照电池单体的分解信号中最低频信号为强相关关系。
在一个实施方式中，所述预设阈值为0.4，所述相关系数为皮尔逊相关系数或欧式距离。
具体的，皮尔逊相关系数计算公式如下式：
式中，Xi、Yi分别为窗口内参照电池单体的分解信号中最低频信号序列的值和其他电池单体的分解信号中最低频信号序列的值，
分别为窗口内参照电池单体的分解信号中最低频信号序列的平均值和其他电池单体的分解信号中最低频信号序列的平均值，n为窗口内采样点总数；
在一个实施方式中，本发明采用k-means聚类算法将所述各电池单体分为两类；
在一个具体实施例中，皮尔逊相关系数的阈值为：0.4，若皮尔逊相关系数大于等于0小于0.4，则两个电压子序列呈现弱相关程度；若皮尔逊相关系数r大于等于0.4小于1，则两个电压子序列呈现强相关程度；
采用的聚类方法为K-means聚类算法，对窗口为20的第一锂离子电池与其他锂离子电池放电段电压稳态分量子序列求取的皮尔逊相关系数进行K-means聚类，K＝2，根据图4中第448个点(对应放电电压稳态分量窗口448-468采样点)聚类结果，得到A号单体一类和其余单体一类，因为个数少的一类只有A号单体一只电池且个数小于4，因此将A号单体归为待定单体，待定单体与第一锂离子电池之间的皮尔逊相关系数降至0.321，低于设定的阈值0.4，因此判断A号单体为故障单体。
基于同一发明构思，本发明还提供一种锂离子电池的故障检测装置，如图5所示，所述锂离子电池的故障检测装置包括：
获取模块，用于获取锂离子电池组中各电池单体的充放电循环中的放电段电压数据；
信号分解模块，用于分别对所述锂离子电池组中各电池单体的充放电循环中的放电段电压数据进行信号分解，得到所述各电池单体的分解信号中最低频信号分量；
故障检测模块，用于基于所述各电池单体的分解信号中最低频信号分量对所述锂离子电池组进行故障检测。
优选的，所述获取锂离子电池组中各电池单体的充放电循环中的放电段电压数据之前，包括：
获取锂离子电池组中各电池单体的充放电循环电压数据，并对所述各电池单体的充放电循环电压数据进行预处理；
将预处理后各电池单体的充放电循环电压数据划分为各电池单体的充放电循环中的放电段电压数据和充电段电压数据。
进一步的，所述对所述各电池单体的充放电循环电压数据进行预处理，包括：
采用插值法对所述各电池单体的充放电循环电压数据中的缺失数据和/或异常点进行修复。
进一步的，所述将预处理后各电池单体的充放电循环电压数据划分为各电池单体的充放电循环中的放电段电压数据和充电段电压数据，包括：
将电池单体的SOC单调增加且维持多个采样时刻的起始时刻作为充电起始时刻，将电池单体的工作电流降为0且SOC维持恒定的时刻作为充电结束时刻；
将所述充电起始时刻至充电结束时刻之间的时段在所述预处理后各电池单体的充放电循环电压数据中对应的电压数据作为所述各电池单体的充放电循环中的充电段电压数据，其余时段在所述预处理后各电池单体的充放电循环电压数据中对应的电压数据作为所述各电池单体的充放电循环中的放电段电压数据。
优选的，所述基于所述各电池单体的分解信号中最低频信号分量对所述锂离子电池组进行故障检测，包括：
基于所述各电池单体的分解信号中最低频信号分量将所述各电池单体分为两类，并随机选择一电池单体为参照电池单体；
当电池单体量少的一类中电池单体数量小于预设值，且电池单体量少的一类中电池单体的分解信号中最低频信号分量与参照电池单体的分解信号中最低频信号分量为弱相关关系时，判定电池单体量少的一类中电池单体为故障单体，当电池单体量少的一类中电池单体数量小于预设值，且电池单体量多的一类中电池单体的分解信号中最低频信号分量与参照电池单体的分解信号中最低频信号分量为弱相关关系时，判定电池单体量少的一类中电池单体和所述参照电池单体均为故障单体。
进一步的，若电池单体的分解信号中最低频信号分量与参照电池单体的分解信号中最低频信号之间的相关系数小于预设阈值，则该电池单体的分解信号中最低频信号分量与参照电池单体的分解信号中最低频信号为弱相关关系，否则，该电池单体的分解信号中最低频信号分量与参照电池单体的分解信号中最低频信号为强相关关系。
进一步的，所述预设值为4。
进一步的，所述基于所述各电池单体的分解信号中最低频信号分量将所述各电池单体分为两类，包括：
基于所述各电池单体的分解信号中最低频信号分量，采用k-means聚类算法将所述各电池单体分为两类。
进一步的，所述预设阈值为0.4。
进一步的，所述相关系数为皮尔逊相关系数或欧式距离。
进一步的，本发明提供一种存储装置，该存储装置其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述任一项技术方案所述的锂离子电池的故障检测方法。
进一步的，本发明提供一种控制装置，该控制装置包括处理器和存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由所述处理器加载并运行以执行上述任一项技术方案所述的锂离子电池的故障检测方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (11)
1.一种锂离子电池的故障检测方法，其特征在于，所述方法包括：
获取锂离子电池组中各电池单体的充放电循环中的放电段电压数据；
分别对所述锂离子电池组中各电池单体的充放电循环中的放电段电压数据进行信号分解，得到所述各电池单体的分解信号中最低频信号分量；
基于所述各电池单体的分解信号中最低频信号分量对所述锂离子电池组进行故障检测。
2.如权利要求1所述的方法，其特征在于，所述获取锂离子电池组中各电池单体的充放电循环中的放电段电压数据之前，包括：
获取锂离子电池组中各电池单体的充放电循环电压数据，并对所述各电池单体的充放电循环电压数据进行预处理；
将预处理后各电池单体的充放电循环电压数据划分为各电池单体的充放电循环中的放电段电压数据和充电段电压数据。
3.如权利要求2所述的方法，其特征在于，所述对所述各电池单体的充放电循环电压数据进行预处理，包括：
采用插值法对所述各电池单体的充放电循环电压数据中的缺失数据和/或异常点进行修复。
4.如权利要求2所述的方法，其特征在于，所述将预处理后各电池单体的充放电循环电压数据划分为各电池单体的充放电循环中的放电段电压数据和充电段电压数据，包括：
将电池单体的SOC单调增加且维持多个采样时刻的起始时刻作为充电起始时刻，将电池单体的工作电流降为0且SOC维持恒定的时刻作为充电结束时刻；
将所述充电起始时刻至充电结束时刻之间的时段在所述预处理后各电池单体的充放电循环电压数据中对应的电压数据作为所述各电池单体的充放电循环中的充电段电压数据，其余时段在所述预处理后各电池单体的充放电循环电压数据中对应的电压数据作为所述各电池单体的充放电循环中的放电段电压数据。
5.如权利要求1所述的方法，其特征在于，所述基于所述各电池单体的分解信号中最低频信号分量对所述锂离子电池组进行故障检测，包括：
基于所述各电池单体的分解信号中最低频信号分量将所述各电池单体分为两类，并随机选择一电池单体为参照电池单体；
当电池单体量少的一类中电池单体数量小于预设值，且电池单体量少的一类中电池单体的分解信号中最低频信号分量与参照电池单体的分解信号中最低频信号分量为弱相关关系时，判定电池单体量少的一类中电池单体为故障单体，当电池单体量少的一类中电池单体数量小于预设值，且电池单体量多的一类中电池单体的分解信号中最低频信号分量与参照电池单体的分解信号中最低频信号分量为弱相关关系时，判定电池单体量少的一类中电池单体和所述参照电池单体均为故障单体。
6.如权利要求5所述的方法，其特征在于，若电池单体的分解信号中最低频信号分量与参照电池单体的分解信号中最低频信号之间的相关系数小于预设阈值，则该电池单体的分解信号中最低频信号分量与参照电池单体的分解信号中最低频信号为弱相关关系，否则，该电池单体的分解信号中最低频信号分量与参照电池单体的分解信号中最低频信号为强相关关系。
7.如权利要求5所述的方法，其特征在于，所述基于所述各电池单体的分解信号中最低频信号分量将所述各电池单体分为两类，包括：
基于所述各电池单体的分解信号中最低频信号分量，采用k-means聚类算法将所述各电池单体分为两类。
8.如权利要求6所述的方法，其特征在于，所述相关系数为皮尔逊相关系数或欧式距离。
9.一种锂离子电池的故障检测装置，其特征在于，所述装置包括：
获取模块，用于获取锂离子电池组中各电池单体的充放电循环中的放电段电压数据；
信号分解模块，用于分别对所述锂离子电池组中各电池单体的充放电循环中的放电段电压数据进行信号分解，得到所述各电池单体的分解信号中最低频信号分量；
故障检测模块，用于基于所述各电池单体的分解信号中最低频信号分量对所述锂离子电池组进行故障检测。
10.一种存储装置，其中存储有多条程序代码，其特征在于，所述程序代码适于由处理器加载并运行以执行权利要求1至8中任一项所述的锂离子电池的故障检测方法。
11.一种控制装置，包括处理器和存储装置，所述存储装置适于存储多条程序代码，其特征在于，所述程序代码适于由所述处理器加载并运行以执行权利要求1至8中任一项所述的锂离子电池的故障检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111036570.2A CN113866641A (zh) | 2021-09-06 | 2021-09-06 | 一种锂离子电池的故障检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111036570.2A CN113866641A (zh) | 2021-09-06 | 2021-09-06 | 一种锂离子电池的故障检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113866641A true CN113866641A (zh) | 2021-12-31 |
Family
ID=78989509
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111036570.2A Pending CN113866641A (zh) | 2021-09-06 | 2021-09-06 | 一种锂离子电池的故障检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113866641A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114487836A (zh) * | 2022-01-26 | 2022-05-13 | 上海玫克生智能科技有限公司 | 基于电压和温度的电池状态分析方法、系统及终端 |
| CN114690066A (zh) * | 2022-06-01 | 2022-07-01 | 深圳市明珞锋科技有限责任公司 | 一种电源异常输出报警计算模块 |
| CN116400244A (zh) * | 2023-04-04 | 2023-07-07 | 华能澜沧江水电股份有限公司 | 储能电池的异常检测方法及装置 |
-
2021
- 2021-09-06 CN CN202111036570.2A patent/CN113866641A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114487836A (zh) * | 2022-01-26 | 2022-05-13 | 上海玫克生智能科技有限公司 | 基于电压和温度的电池状态分析方法、系统及终端 |
| CN114690066A (zh) * | 2022-06-01 | 2022-07-01 | 深圳市明珞锋科技有限责任公司 | 一种电源异常输出报警计算模块 |
| CN116400244A (zh) * | 2023-04-04 | 2023-07-07 | 华能澜沧江水电股份有限公司 | 储能电池的异常检测方法及装置 |
| CN116400244B (zh) * | 2023-04-04 | 2023-11-21 | 华能澜沧江水电股份有限公司 | 储能电池的异常检测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113866641A (zh) | 一种锂离子电池的故障检测方法及装置 | |
| CN108089133B (zh) | 储能系统电池组一致性检测方法及检测装置 | |
| US10393819B2 (en) | Method and apparatus for estimating state of battery | |
| CN108196190B (zh) | 一种电池组在线故障诊断方法 | |
| CN111257755B (zh) | 一种预防性检测诊断电池包方法 | |
| CN112487031B (zh) | 单体电池故障检测方法、装置、可读存储介质及电子设备 | |
| US20240348064A1 (en) | Battery Equalization Method and System | |
| CN116956639B (zh) | 一种基于数据分析的高散热性蓄电池评估方法及系统 | |
| CN116973782B (zh) | 基于机器学习的新能源汽车保养维护与故障监测诊断方法 | |
| SE1950652A1 (en) | Method for estimating state of health of a battery | |
| CN115219905A (zh) | 一种电池内短路在线检测方法、装置及存储介质 | |
| CN114814593B (zh) | 一种两步检测策略的电池组多故障快速诊断方法 | |
| CN116953556A (zh) | 多变量冗余故障电池在线检测的方法、系统、介质和设备 | |
| CN113376534B (zh) | 动力电池早期故障相平面诊断方法及超前预警系统 | |
| CN113533985A (zh) | 一种电池包内阻异常模块的识别方法及其存储介质 | |
| CN113391214A (zh) | 一种基于电池充电电压排名变化的电池微故障诊断方法 | |
| CN115792636A (zh) | 一种基于电压最值的电池组微小故障定量诊断方法及系统 | |
| Cheng et al. | A method for battery fault diagnosis and early warning combining isolated forest algorithm and sliding window | |
| CN116736123A (zh) | 动力电池信号采集故障诊断方法、装置、介质和电子设备 | |
| Dunn et al. | A P-Value Approach for Real-Time Identifying the Capacity Regeneration Phenomenon of Lithium-ion Batteries | |
| Li et al. | Evaluation method for consistency of lithium-ion battery packs in electric vehicles based on the Mahalanobis-Taguchi system | |
| CN114062943B (zh) | 一种锂离子电池系统极化异常预警方法及系统 | |
| US20240248138A1 (en) | Method and Apparatus for Predictive Diagnosis of a Device Battery of a Technical Device Using a Trace Graph Model | |
| Li et al. | A Hierarchical Fault Diagnosis Method for Lithium Battery Based on Polymorphic Jump | |
| CN117706407A (zh) | 一种串联电池组多故障诊断方法、装置、介质及设备 |
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 |