CN114035086A - 基于信号处理的电池组多故障诊断方法 - Google Patents
基于信号处理的电池组多故障诊断方法 Download PDFInfo
- Publication number
- CN114035086A CN114035086A CN202111541172.6A CN202111541172A CN114035086A CN 114035086 A CN114035086 A CN 114035086A CN 202111541172 A CN202111541172 A CN 202111541172A CN 114035086 A CN114035086 A CN 114035086A
- Authority
- CN
- China
- Prior art keywords
- battery pack
- voltage
- fault
- correlation coefficient
- faults
- 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.)
- Granted
Links
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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
-
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Abstract
一种基于信号处理的电池组多故障诊断方法,根据锂离子电池组双线制电压测量拓扑结构,获得测量电压与电池单体、电压传感器、电池间连接电阻之间不同的对应关系;对锂离子电池组进行混合工况测试实验以得到测试数据集;经测试数据处理及参数选定后,基于电压间相关系数对电池组中电压传感器故障、电池间短连接故障以及电池短路故障进行检测与分离。本发明在不增加硬件成本的前提下实现电池组多种故障的检测与分离,同时实现计算量的减小,可实现故障的实时诊断,更适合实际应用。
Description
技术领域
本发明涉及的是一种锂电池检测领域的技术,具体是一种基于信号处理的电池组多故障诊断方法。
背景技术
锂离子电池由于寿命长、自放电率低和能量密度高而被广泛用作储能装置。但是电池安全问题成为锂离子电池进一步推广应用的主要制约因素之一。由于电池本身制造问题以及之后使用条件的影响,电池系统中可能会出现各种各样的故障,包括传感器故障、电池间连接故障、电池本身的故障等,而电池本身的故障又包括过充、过放、内部短路和外部短路故障等。这些故障严重影响锂离子电池的使用寿命以及使用安全,因此快速有效的故障诊断方法以确保电池安全对于锂离子电池的广泛应用至关重要。
基于模型的诊断方法故障诊断速度、故障诊断率和计算负担无法兼顾,使得该方法很难实际应用于大规模电池组故障诊断中。基于机器学习的故障诊断方法需要对大量的历史数据进行训练,目前在电池诊断领域的应用相对较小。传统的基于信号处理的故障诊断方法无需建模且计算量较小,但是在多故障分离方面均存在一些问题,并且均未考虑电池不一致性的影响,因此多用于某种特定故障的诊断。
发明内容
本发明针对现有技术仅仅考虑一种故障导致的高误诊风险,以及多故障诊断的计算复杂度较高的缺陷,提出一种基于信号处理的电池组多故障诊断方法,在不增加硬件成本的前提下实现电池组多种故障的检测与分离,同时实现计算量的减小。通过设计的双线制测量拓扑,并引入电池组电压间相关系数,不需要建模以及滤波算法,仅根据相关系数即可实现具有相似电气特征和热特征的多种故障的快速检测与分离,且需要计算的相关系数个数仅比电池组内串联电池个数多一个,极大地减小了计算量,可实现故障的实时诊断,更适合实际应用。
本发明是通过以下技术方案实现的:
本发明涉及一种基于信号处理的电池组多故障诊断方法,包括:
步骤1、根据锂离子电池组双线制电压测量拓扑结构,获得测量电压与电池单体、电压传感器、电池间连接电阻之间不同的对应关系。
所述的锂离子电池组双线制电压测量拓扑结构是指:n个电池串联的锂离子电池组,
所述的对应关系是指: 其中:Ui为电压传感器i的测量值,U 为电压传感器n+1测量的电池组总电压;Vi为电池单体i的电压,i为流经电池组的电流,Ri,i+1为电池单体i与电池单体i+1之间的连接导线的电阻值,w表示电压传感器的测量噪声。
步骤2、对锂离子电池组进行混合工况测试实验以得到测试数据集。
所述的混合工况包括:城市功率驾驶工况(Urban Dynamometer DrivingSchedule,UDDS),美国联邦城市驾驶工况(Federal Urban Driving Schedule,FUDS)。
步骤3、测试数据处理及参数选定,具体包括:
3.1)引入遗忘机制,以削弱故障诊断过程中大量的历史运行数据对诊断速度和精度的影响,并根据步骤2)中所得的测试数据集,确定滑动窗口的长度。
3.2)对测量电压叠加方波信号以削弱小电流情况下测量噪声对诊断的影响,并根据步骤 2)中所得的测试数据集,确定方波信号的幅值和周期。
3.3)根据步骤2)中所得的测试结果数据库,确定故障诊断中所选择的故障指示参数的阈值、电流相关阈值以及电压相关阈值。
步骤4、基于电压间相关系数对电池组中电压传感器故障、电池间短连接故障以及电池短路故障进行检测与分离,具体包括:
4.1)加载传感器测量数据。
4.2)当前后两个相邻采样时刻的电流变化超过相应的阈值,更新电池内阻。对个别异常采样点进行预处理。
4.3)考虑内阻不一致性计算电池组中单体电压间的相关系数,形成数据集合M1。
4.4)考虑内阻不一致性计算电池组中所有单体电压之和电池组电压之间的相关系数M2。
4.5)根据相关系数计算结果进行故障检测:当M1,M2中有元素超出阈值,则检测到故障发生,否则说明电池组内无故障发生。
4.6)当检测到故障,进一步根据异常元素的相对位置进行故障的定位与故障类型的区分:当两个异常元素不相邻,且二者之间间隔一个元素,则该位置处发生了连接故障;当相邻两个元素出现异常,则故障位置可确定,并判断步骤4.4)中相关系数是否超出阈值,当超出阈值则该故障为传感器故障,否则为短路故障。
技术效果
本发明基于双线制电压测量拓扑结构进一步实施锂离子电池组多故障诊断方法,考虑了内阻不一致性对基于相关性的故障诊断的影响,能准确实现故障的检测、定位与分离的同时提高了故障诊断的速度和精度,且该部分的计算量极小且不增加硬件成本,极大地减少了计算负担,更易于实现在线故障诊断。
附图说明
图1为本发明流程图;
图2为图1中所描述的锂离子电池组双线制电压测量拓扑图;
图3为图1所描述的锂离子电池组多故障检测与分离流程图;
图4为实施例效果对比曲线图。
具体实施方式
如图1所示,为本实施例涉及一种基于信号处理的锂离子电池组多故障诊断方法,包括以下步骤:
步骤1、设计锂离子电池组双线制电压测量拓扑,确保测量电压与电池单体、电压传感器、电池间连接电阻之间不同的对应关系,从而使得后续能够基于信号处理实现电池组多种故障的检测与分离。
如图2所示,在步骤1)中设计的电池组双线制电压测量拓扑,使得电池组内每个传感器均与一个电池单体以及两个连接电阻相对应,而电池组电压传感器则测量电池组总电压。根据该测量拓扑,可得电压传感器的测量值与电池单体的电压以及连接电阻的数学表达式为:
其中Ui为电压传感器i的测量值,U为电压传感器n+1测量的电池组总电压。Vi为电池单体i的电压,i为流经电池组的电流,Ri,i+1为电池单体i与电池单体i+1之间的连接导线的电阻值。 w表示电压传感器的测量噪声。
根据上述表达式可知,每个连接电阻分别与三个电压传感器测量值相关联,这使得很容易区分连接故障和其他故障。当发生连接故障,则有三个测量电压包含该故障信息。电池单体电压与两个电压传感器测量值相关。当发生电池短路故障,则有两个测量电压包含该故障信息。当发生传感器故障,则只有一个电压传感器测量值包含该故障信息。从而可以对不同的故障类型加以有效区分。
具体来说,当电池单体i和单体i+1之间发生连接故障,则测量值Ui、Ui+1和U同时出现异常。由于测量值Ui与Ui+1包含相同的故障信息,所以两者之间的相关系数的变化情况不会受到连接故障的影响,但是Ui-1与Ui之间的相关系数以及Ui+1与Ui+2之间的相关系数均会呈现出下降趋势。
当电池单体i发生短路故障,测量值Ui和U同时出现异常。Ui-1与Ui之间的相关系数以及Ui与Ui+1之间的相关系数均会呈现出下降趋势。Ui之和与U包含相同的故障信息,所以两者之间的相关系数将会保持在正常范围内。
当电压传感器i发生故障,则只有测量值Ui出现异常。Ui-1与Ui之间的相关系数、Ui与Ui+1之间的相关系数以及Ui之和与U之间的相关系数均会呈现出下降趋势。
步骤2、对锂离子电池组进行大量的测试实验,包括UDDS工况,FUDS工况,建立动态模拟工况实验数据库。
步骤3、测试数据处理及参数选定。确定滑动窗口的长度,方波信号的幅值和周期,电流相关阈值,电压相关阈值以及故障指标的阈值。
步骤4、如图3所示,根据测量电压计算每两个相邻单体的电压相关系数以及电池组电压相关系数,对电池组中电压传感器故障、电池间短连接故障以及电池短路故障进行检测与分离,具体包括:
4.1)加载传感器测量数据。包括电池组电压测量值U、电池组内各个电压测量值Ui以及电流测量值I。
4.2)内阻更新与数据预处理。当|Ik-Ik-1|超过电流相关阈值,更新内阻: 否则内阻维持原值。其中角标k指第k次采样,角标i指第i个单体,Ri指与电压传感器Ui对应的内阻,即电池i的内阻及两侧连接内阻Ri-1,i,Ri,i+1之和,Ut,k为n个单体测量电压在k时刻之和,Uk为k时刻测得的电池组总电压,Rt1,Rt2分别为Ut,U对应的内阻。
4.3)计算电池组中每两个相邻单体间的电压相关系数ri,j(i=1,2,…,n-1)以及rn,1,形成数据集合M1={r1,2,r2,3,…rn-1,n,rn,1}。其中ri,j=r(Ui,Uj-IΔRi,j),ΔRi,j=Rj-Ri。
定义向量并初始化:对于k=0,定义向量αk=xkyk,βk=xk,γk=yk,εk=xk 2,δk=yk 2r(X,Y)k=1,其中:变量X和Y分别表示两个电压向量Ui以及Ui+1,xk与yk分别表示X向量和y向量中第k时刻时的元素,r(X,Y)表示X和Y之间的相关系数。
当时刻k大于移动窗口长度m时:中间值更新为:αk=αk-1+xkyk-xk-myk-m,βk=βk-1+xk-xk-m,γk=γk-1+yk-yk-m,εk=εk-1+xk 2-xk-m 2,δk=δk-1+yk 2- yk-m 2;计算相关系数
4.4)计算电池组中所有单体电压之和电池组电压之间的相关系数rt1,t2,得到M2={rt1,t2}。其中rt1,t2=r(Ut,U-IΔRt1,t1),ΔRt1,t2=Rt2-Rt1。
4.5)根据相关系数计算结果进行故障诊断:当M1,M2中有元素超出阈值,则检测到故障发生,当所有元素均在阈值之内,则电池组内无故障发生。
4.6)检测到故障后根据异常元素的位置进行故障的分离:当M1中所有元素都在正常范围内,M2超出相应阈值,则电压传感器n+1发生故障;当M1中r(Ui-1,Ui)和r(Ui+1,Ui+2)均超出阈值,则电池单体i与单体i+1之间发生了连接故障;当M1中r(Ui-1,Ui)和r(Ui+1,Ui+2)均超出相应的阈值,但是M2中r(Ut,U)保持在正常范围内,则电池单体i发生了短路故障。否则说明电压传感器i发生了故障。
经过具体实际实验,在室温常压的具体环境设置下,对6串锂离子电池组以不同初始 SOC验证上述多诊断方法,如图4所示,为短路故障状态下本方法与不考虑不一致性时方法的对比曲线图,本方法所需诊断时间明显小于不考虑不一致性时的常规方法。
与现有技术相比,本方法的相关系数的计算个数由2n变为n+1,减小了故障诊断的计算量,考虑内阻不一致性,提高了故障诊断的速度和精度。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整,本发明的保护范围以权利要求书为准且不由上述具体实施所限,在其范围内的各个实现方案均受本发明之约束。
Claims (6)
1.一种基于信号处理的电池组多故障诊断方法,其特征在于,包括:
步骤1、根据锂离子电池组双线制电压测量拓扑结构,获得测量电压与电池单体、电压传感器、电池间连接电阻之间不同的对应关系;
步骤2、对锂离子电池组进行混合工况测试实验以得到测试数据集;
步骤3、测试数据处理及参数选定,具体包括:
3.1)引入遗忘机制,以削弱故障诊断过程中大量的历史运行数据对诊断速度和精度的影响,并根据步骤2)中所得的测试数据集,确定滑动窗口的长度;
3.2)对测量电压叠加方波信号以削弱小电流情况下测量噪声对诊断的影响,并根据步骤2)中所得的测试数据集,确定方波信号的幅值和周期;
3.3)根据步骤2)中所得的测试结果数据库,确定故障诊断中所选择的故障指示参数的阈值、电流相关阈值以及电压相关阈值;
步骤4、基于电压间相关系数对电池组中电压传感器故障、电池间短连接故障以及电池短路故障进行检测与分离。
3.根据权利要求1所述的基于信号处理的电池组多故障诊断方法,其特征是,所述的混合工况包括:城市功率驾驶工况(Urban Dynamometer Driving Schedule,UDDS),美国联邦城市驾驶工况(Federal Urban Driving Schedule,FUDS)。
4.根据权利要求1所述的基于信号处理的电池组多故障诊断方法,其特征是,所述的检测与分离,具体包括:
4.1)加载传感器测量数据;
4.2)当前后两个相邻采样时刻的电流变化超过相应的阈值,更新电池内阻,对个别异常采样点进行预处理;
4.3)考虑内阻不一致性计算电池组中单体电压间的相关系数,形成数据集合M1;
4.4)考虑内阻不一致性计算电池组中所有单体电压之和电池组电压之间的相关系数M2;
4.5)根据相关系数计算结果进行故障检测:当M1,M2中有元素超出阈值,则检测到故障发生,否则说明电池组内无故障发生;
4.5)当检测到故障,进一步根据异常元素的相对位置进行故障的定位与故障类型的区分:当两个异常元素不相邻,且二者之间间隔一个元素,则该位置处发生了连接故障;当相邻两个元素出现异常,则故障位置可确定,并判断步骤4.4)中相关系数是否超出阈值,当超出阈值则该故障为传感器故障,否则为短路故障。
5.根据权利要求4所述的基于信号处理的电池组多故障诊断方法,其特征是,所述的数据集合M1,通过以下方式得到:计算电池组中每两个相邻单体间的电压相关系数r(Ui,Ui+1)(i=1,2,…,n-1)以及r(Un,U1),形成数据集合M1={r(U1,U2),r(U2,U3),…r(Un-1,Un),r(Un,U1)},其中:对于k=0,定义向量αk=xkyk,βk=xk,γk=yk,εk=xk 2,δk=yk 2r(X,Y)k=1,其中:变量X和Y分别表示两个电压向量Ui以及Ui+1,xk与yk分别表示X向量和y向量中第k时刻时的元素,r(X,Y)表示X和Y之间的相关系数;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111541172.6A CN114035086B (zh) | 2021-12-16 | 2021-12-16 | 基于信号处理的电池组多故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111541172.6A CN114035086B (zh) | 2021-12-16 | 2021-12-16 | 基于信号处理的电池组多故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114035086A true CN114035086A (zh) | 2022-02-11 |
CN114035086B CN114035086B (zh) | 2023-08-11 |
Family
ID=80146873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111541172.6A Active CN114035086B (zh) | 2021-12-16 | 2021-12-16 | 基于信号处理的电池组多故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114035086B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114818881A (zh) * | 2022-04-07 | 2022-07-29 | 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 |
CN115856671A (zh) * | 2022-12-16 | 2023-03-28 | 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 |
CN116699427A (zh) * | 2023-08-04 | 2023-09-05 | 中国华能集团清洁能源技术研究院有限公司 | 基于非冗余测量拓扑结构的电池故障诊断方法及装置 |
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 (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011127947A (ja) * | 2009-12-16 | 2011-06-30 | Nissan Motor Co Ltd | 故障診断装置 |
US20120188086A1 (en) * | 2011-01-20 | 2012-07-26 | Iu Research & Technology Corporation (Iurtc) | Battery early warning and monitoring system |
CN103399282A (zh) * | 2013-08-07 | 2013-11-20 | 清华大学 | 电池单体故障诊断方法 |
WO2014094597A1 (en) * | 2012-12-21 | 2014-06-26 | Shenzhen Byd Auto R&D Company Limited | Battery pack fault detection device and method for detecting fault of battery pack |
CN106526488A (zh) * | 2016-09-27 | 2017-03-22 | 北京理工大学 | 串联式动力电池包内传感器故障诊断方法 |
CN107153162A (zh) * | 2017-06-06 | 2017-09-12 | 山东大学 | 一种动力电池组多故障在线检测系统及方法 |
CN107831443A (zh) * | 2017-10-20 | 2018-03-23 | 开沃新能源汽车集团有限公司 | 基于相关系数的电池系统短路故障诊断方法 |
CN107843853A (zh) * | 2017-12-13 | 2018-03-27 | 中国科学技术大学 | 一种动力电池组串联连接故障诊断方法 |
CN108544925A (zh) * | 2018-04-02 | 2018-09-18 | 北京理工大学 | 电池管理系统 |
CN110018425A (zh) * | 2019-04-10 | 2019-07-16 | 北京理工大学 | 一种动力电池故障诊断方法及系统 |
CN110441695A (zh) * | 2019-08-07 | 2019-11-12 | 南京佑创汽车研究院有限公司 | 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 |
CN111208439A (zh) * | 2020-01-19 | 2020-05-29 | 中国科学技术大学 | 一种串联锂离子电池组微短路故障定量检测方法 |
CN111505532A (zh) * | 2020-04-28 | 2020-08-07 | 上海理工大学 | 基于soc相关系数的串联锂电池组早期内短路在线检测方法 |
KR20200127459A (ko) * | 2019-05-02 | 2020-11-11 | 주식회사 엘지화학 | 전도체의 불량을 검출하기 위한 장치, 방법 및 배터리 팩 |
CN111948544A (zh) * | 2020-07-30 | 2020-11-17 | 华中科技大学 | 一种动力电池组连接故障的检测方法及系统 |
CN111983496A (zh) * | 2020-08-10 | 2020-11-24 | 中国科学技术大学 | 一种并联锂离子电池组虚拟连接与内阻增加故障辨识方法 |
CN112946522A (zh) * | 2021-02-05 | 2021-06-11 | 四川大学 | 低温工况导致电池储能系统内短路故障的在线监测方法 |
-
2021
- 2021-12-16 CN CN202111541172.6A patent/CN114035086B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011127947A (ja) * | 2009-12-16 | 2011-06-30 | Nissan Motor Co Ltd | 故障診断装置 |
US20120188086A1 (en) * | 2011-01-20 | 2012-07-26 | Iu Research & Technology Corporation (Iurtc) | Battery early warning and monitoring system |
WO2014094597A1 (en) * | 2012-12-21 | 2014-06-26 | Shenzhen Byd Auto R&D Company Limited | Battery pack fault detection device and method for detecting fault of battery pack |
CN103399282A (zh) * | 2013-08-07 | 2013-11-20 | 清华大学 | 电池单体故障诊断方法 |
CN106526488A (zh) * | 2016-09-27 | 2017-03-22 | 北京理工大学 | 串联式动力电池包内传感器故障诊断方法 |
CN107153162A (zh) * | 2017-06-06 | 2017-09-12 | 山东大学 | 一种动力电池组多故障在线检测系统及方法 |
CN107831443A (zh) * | 2017-10-20 | 2018-03-23 | 开沃新能源汽车集团有限公司 | 基于相关系数的电池系统短路故障诊断方法 |
CN107843853A (zh) * | 2017-12-13 | 2018-03-27 | 中国科学技术大学 | 一种动力电池组串联连接故障诊断方法 |
CN108544925A (zh) * | 2018-04-02 | 2018-09-18 | 北京理工大学 | 电池管理系统 |
CN110018425A (zh) * | 2019-04-10 | 2019-07-16 | 北京理工大学 | 一种动力电池故障诊断方法及系统 |
KR20200127459A (ko) * | 2019-05-02 | 2020-11-11 | 주식회사 엘지화학 | 전도체의 불량을 검출하기 위한 장치, 방법 및 배터리 팩 |
CN110441695A (zh) * | 2019-08-07 | 2019-11-12 | 南京佑创汽车研究院有限公司 | 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 |
CN111208439A (zh) * | 2020-01-19 | 2020-05-29 | 中国科学技术大学 | 一种串联锂离子电池组微短路故障定量检测方法 |
CN111505532A (zh) * | 2020-04-28 | 2020-08-07 | 上海理工大学 | 基于soc相关系数的串联锂电池组早期内短路在线检测方法 |
CN111948544A (zh) * | 2020-07-30 | 2020-11-17 | 华中科技大学 | 一种动力电池组连接故障的检测方法及系统 |
CN111983496A (zh) * | 2020-08-10 | 2020-11-24 | 中国科学技术大学 | 一种并联锂离子电池组虚拟连接与内阻增加故障辨识方法 |
CN112946522A (zh) * | 2021-02-05 | 2021-06-11 | 四川大学 | 低温工况导致电池储能系统内短路故障的在线监测方法 |
Non-Patent Citations (5)
Title |
---|
BING XIA;YUNLONG SHANG;TRUONG NGUYEN ET.AL: "A correlation based detection method for internal short circuit in battery packs", 《2017 IEEE APPLIED POWER ELECTRONICS CONFERENCE AND EXPOSITION (APEC)》 * |
BING XIA;YUNLONG SHANG;TRUONG NGUYEN ET.AL: "A correlation based detection method for internal short circuit in battery packs", 《2017 IEEE APPLIED POWER ELECTRONICS CONFERENCE AND EXPOSITION (APEC)》, 18 May 2017 (2017-05-18), pages 2328 * |
YONGZHE KANG: "Online multi-fault detection and diagnosis for battery packs in electric vehicles", APPLIED ENERGY, pages 1 - 16 * |
康永哲: "锂离子电池组容量估计与故障诊断方法研究", 《中国优秀博硕士学位论文全文数据库(博士)·工程科技Ⅱ辑》 * |
康永哲: "锂离子电池组容量估计与故障诊断方法研究", 《中国优秀博硕士学位论文全文数据库(博士)·工程科技Ⅱ辑》, vol. 2021, no. 11, 15 November 2021 (2021-11-15), pages 71 - 75 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114818881A (zh) * | 2022-04-07 | 2022-07-29 | 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 |
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 |
CN115856671A (zh) * | 2022-12-16 | 2023-03-28 | 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 |
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 |
CN116699427A (zh) * | 2023-08-04 | 2023-09-05 | 中国华能集团清洁能源技术研究院有限公司 | 基于非冗余测量拓扑结构的电池故障诊断方法及装置 |
CN116699427B (zh) * | 2023-08-04 | 2023-12-01 | 中国华能集团清洁能源技术研究院有限公司 | 基于非冗余测量拓扑结构的电池故障诊断方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114035086B (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kang et al. | A multi-fault diagnostic method based on an interleaved voltage measurement topology for series connected battery packs | |
Shang et al. | A multi-fault diagnosis method based on modified Sample Entropy for lithium-ion battery strings | |
CN111208439B (zh) | 一种串联锂离子电池组微短路故障定量检测方法 | |
CN112147512B (zh) | 一种锂离子电池短路与滥用故障的诊断及分离方法 | |
Lin et al. | Voltage-correlation based multi-fault diagnosis of lithium-ion battery packs considering inconsistency | |
CN114035086B (zh) | 基于信号处理的电池组多故障诊断方法 | |
CN111929602B (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 | |
CN112014746A (zh) | 一种区分串联电池包内外微短路的故障诊断方法 | |
Yao et al. | Fault identification of lithium-ion battery pack for electric vehicle based on ga optimized ELM neural network | |
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 | |
CN112009252B (zh) | 一种动力电池系统故障诊断及容错控制方法 | |
CN116184248B (zh) | 一种串联电池组的微小短路故障检测方法 | |
CN115659799B (zh) | 一种具备阈值自适应功能的锂电储能电站故障诊断方法 | |
CN115575839A (zh) | 一种基于模糊卡尔曼滤波的锂离子电池短路故障诊断方法 | |
CN116125284A (zh) | 一种锂离子电池内部短路诊断方法及系统 | |
CN114152826B (zh) | 一种锂离子电池单体内短路检测方法 | |
CN112213642B (zh) | 一种并联电池组中单体连接断开的检测及定位方法 | |
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 | |
CN111948544B (zh) | 一种动力电池组连接故障的检测方法及系统 | |
Hu et al. | Improved internal short circuit detection method for Lithium-Ion battery with self-diagnosis characteristic | |
Seo et al. | Detection of internal short circuit for lithium-ion battery using convolutional neural networks with data pre-processing | |
Wu et al. | Research on short-circuit fault-diagnosis strategy of lithium-ion battery in an energy-storage system based on voltage cosine similarity | |
US11835583B1 (en) | Computer-implemented method for diagnosing states of a battery | |
KR102595386B1 (ko) | 신경회로망을 이용한 배터리의 상태 추정과 모니터링 방법 및 장치 | |
Yuan et al. | Internal Short Circuit Fault Diagnosis for Lithium-ion Battery Using a Novel Voltage Prediction Method |
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 |