CN114114039A - 一种电池系统的单体电芯一致性的评估方法和装置 - Google Patents
一种电池系统的单体电芯一致性的评估方法和装置 Download PDFInfo
- Publication number
- CN114114039A CN114114039A CN202111477507.2A CN202111477507A CN114114039A CN 114114039 A CN114114039 A CN 114114039A CN 202111477507 A CN202111477507 A CN 202111477507A CN 114114039 A CN114114039 A CN 114114039A
- Authority
- CN
- China
- Prior art keywords
- single battery
- battery cell
- similarity
- current charging
- voltage
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000007600 charging Methods 0.000 claims abstract description 91
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 70
- 238000011156 evaluation Methods 0.000 claims abstract description 48
- 238000010277 constant-current charging Methods 0.000 claims abstract description 15
- 239000000178 monomer Substances 0.000 claims description 31
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 10
- 238000003064 k means clustering Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 238000000513 principal component analysis Methods 0.000 claims description 5
- 238000007417 hierarchical cluster analysis Methods 0.000 claims description 4
- 238000007599 discharging Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000007621 cluster analysis Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- QHGJSLXSVXVKHZ-UHFFFAOYSA-N dilithium;dioxido(dioxo)manganese Chemical compound [Li+].[Li+].[O-][Mn]([O-])(=O)=O QHGJSLXSVXVKHZ-UHFFFAOYSA-N 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 235000018185 Betula X alpestris Nutrition 0.000 description 1
- 235000018212 Betula X uliginosa Nutrition 0.000 description 1
- 229910000572 Lithium Nickel Cobalt Manganese Oxide (NCM) Inorganic materials 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- PFYQFCKUASLJLL-UHFFFAOYSA-N [Co].[Ni].[Li] Chemical compound [Co].[Ni].[Li] PFYQFCKUASLJLL-UHFFFAOYSA-N 0.000 description 1
- FBDMTTNVIIVBKI-UHFFFAOYSA-N [O-2].[Mn+2].[Co+2].[Ni+2].[Li+] Chemical compound [O-2].[Mn+2].[Co+2].[Ni+2].[Li+] FBDMTTNVIIVBKI-UHFFFAOYSA-N 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000001453 impedance spectrum Methods 0.000 description 1
- 229910001416 lithium ion 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
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
-
- 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
Abstract
本发明实施例公开了一种电池系统的单体电芯一致性的评估方法和装置。该电池系统的单体电芯一致性的评估方法包括：获取恒流充电窗口中电池系统内各个单体电芯的温度和电参数信息；根据各个单体电芯的电参数信息确定各个单体电芯的电压与当前充电电量的对应关系；根据各个单体电芯的电压与当前充电电量的对应关系，确定各个单体电芯与除自身之外所有单体电芯之间的相似度的数据集；根据各个单体电芯的温度，各个单体电芯的相似度的数据集，采用聚类算法评估各个单体电芯的一致性。通过该评估方法可以实现：对单体电芯的一致性进行在线评估，且提高评估的精确性。
Description
技术领域
本发明实施例涉及电池系统管理技术领域，尤其涉及一种电池系统的单体电芯一致性的评估方法和装置。
背景技术
锂离子电池系统是由多个单体电芯经过串联、并联组成的，在电池系统使用过程中，由于电芯本身衰减、制程工艺缺陷与温度的变化会影响单体电芯的充放电性能，会导致电池单体之间出现差异性而影响电池组的性能。因此，为了确保电池组的性能优良，需要对电池组各个电池单体的一致性进行评估。
现有的评估方法主要有以下几种：方法一是基于直流内阻、阻抗谱、电压、容量等参数对电芯一致性进行评估，或是直接对电芯进行拆解评估。方法二是基于统计学概率模型评估方法，该方法通过电池单体电压、电量等参数的标准差、极差等统计量表征电池电压的一致性。方法三是基于机器学习算法的多参数评估方法，该方法一般基于电池测试数据建模，如通过实验室电池循环老化测试数据进行模型训练，通过模型预测各单体电芯的一致性评分，然后通过评分差异评估单体的不一致性。
然而，这些评估方法存在以下问题：方法一，成本高且耗时长，不适用于大规模应用；方法二，在实际工况下的参数往往无法完全服从特定概率分布，且对高维数据效果很差，无法准确评估电池系统单体电芯的一致性，该方法准确性不高且适应性差；方法三，需要大量的测试数据，且无法用于在线评估，且不同体系电芯的迁移学习能力和泛化能力弱，实用性和适用性都很差。
发明内容
本发明提供一种电池系统的单体电芯一致性的评估方法和装置，以实现对电池系统的单体电芯的一致性进行评估，并提高评估的准确性。
第一方面，本发明实施例提供了一种电池系统的单体电芯一致性的评估方法，该评估方法包括：
获取恒流充电窗口中所述电池系统内各个单体电芯的温度和电参数信息；
根据各个单体电芯的电参数信息确定各个单体电芯的电压与当前充电电量的对应关系；
根据各个单体电芯的电压与当前充电电量的对应关系，确定各个单体电芯与除自身之外所有单体电芯之间的相似度的数据集；
根据各个单体电芯的温度，各个单体电芯的相似度的数据集，采用聚类算法评估各个单体电芯的一致性。
可选地，所述根据各个单体电芯的电压与当前充电电量的对应关系，确定各个单体电芯与除自身之外所有单体电芯之间的相似度的数据集，包括：
计算各个单体电芯之间的相关系数；
计算每个单体电芯与其余各个单体电芯之间的相关系数的均值，作为各个单体电芯的相似度；
根据各个单体电芯的相似度建立各个单体电芯的相似度的数据集。
可选地，所述各个单体电芯之间的相关系数为余弦相似度、皮尔逊相关系数、spearman相关系数、马氏距离和欧式距离中的一种。
可选地，所述根据各个单体电芯的温度，各个单体电芯的相似度的数据集，采用聚类算法评估各个单体电芯的一致性，包括：
根据各个单体电芯的温度和各个单体电芯的相似度的数据集，确定各个单体电芯的温度与相似度的对应关系的初始聚类簇；
将各个单体电芯的温度与相似度的对应关系的初始聚类簇导入所述聚类算法聚类分析后得到最终聚类簇；
将所述最终聚类簇中单体电芯的数量最少的聚类簇作为异常单体电芯。
可选地，所述聚类算法为K-Means聚类、密度聚类、层次聚类和主成分分析中的一种。
可选地，所述初始聚类簇的数量与所述最终聚类簇的数量相同。
可选地，所述各个单体电芯的电参数信息包括电压、电流和充电时长。
可选地，所述根据各个单体电芯的电参数信息确定各个单体电芯的电压与当前充电电量的对应关系，包括：
根据各个单体电芯的电流和充电时长确定各个单体电芯的当前充电电量；
根据各个单体电芯的电压与当前充电电量确定各个单体电芯的电压与当前充电电量的对应关系。
可选地，在根据各个单体电芯的电压与当前充电电量的对应关系，确定各个单体电芯之间的相似度之前，还包括：
根据各个单体电芯的电压与当前充电电量的对应关系，绘制各个单体电芯的电压与当前充电电量的对应关系的曲线；
采用小波变换对各个单体电芯的电压与当前充电电量的对应关系的曲线进行处理。
第二方面，本发明实施例还提供了一种电池系统的单体电芯一致性的评估装置，该评估装置包括：
温度和电参数信息获取模块，用于获取恒流充电窗口中所述电池系统内各个单体电芯的温度和电参数信息；
对应关系确定模块，用于根据各个单体电芯的电参数信息确定各个单体电芯的电压与当前充电电量的对应关系；
数据集确定模块，用于根据各个单体电芯的电压与当前充电电量的对应关系，确定各个单体电芯与除自身之外所有单体电芯之间的相似度的数据集；
一致性评估模块，用于根据各个单体电芯的温度，各个单体电芯的相似度的数据集，采用聚类算法评估各个单体电芯的一致性。
本发明通过提供一种电池系统的单体电芯一致性的评估方法和装置，该电池系统的单体电芯一致性的评估方法包括：获取恒流充电窗口中电池系统内各个单体电芯的温度和电参数信息；根据各个单体电芯的电参数信息确定各个单体电芯的电压与当前充电电量的对应关系；根据各个单体电芯的电压与当前充电电量的对应关系，确定各个单体电芯与除自身之外所有单体电芯之间的相似度的数据集；根据各个单体电芯的温度，各个单体电芯的相似度的数据集，采用聚类算法评估各个单体电芯的一致性。通过该评估方法可以实现：将各个单体电芯的电参数信息基于电化学机理得到各个单体电芯的相似度，并将各个单体电芯的温度和相似度结合聚类算法进行聚类分析，找出异常单体电芯，以实现对单体电芯的一致性进行在线评估。且通过机器学习算法，即聚类算法的聚类分析，可以提高评估的精确性。此外，整个算法为无监督算法，不需要事先对离群单体进行标注，其评估结果精度高。
附图说明
图1是本发明实施例一中的一种电池系统的单体电芯一致性的评估方法的流程图；
图2是本发明实施例二中的一种电池系统的单体电芯一致性的评估方法的流程图；
图3是本发明实施例三中的一种电池系统的单体电芯一致性的评估方法的流程图；
图4是本发明实施例三中的一种利用小波变换处理后的V-dQ/dV曲线的示意图；
图5是本发明实施例三中的一种聚类算法聚类分析后的效果图；
图6是本发明实施例四中提供的一种电池系统的单体电芯一致性的评估装置的结构框图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一中提供的一种电池系统的单体电芯一致性的评估方法的流程图。本实施例可适用于在电池管理系统中，对单体一致性进行精确评估的方法。该方法可以由电池系统的单体电芯一致性的评估装置来执行，参考图1，具体包括如下步骤：
步骤110、获取恒流充电窗口中电池系统内各个单体电芯的温度和电参数信息；
其中，各个单体电芯的温度和电参数信息为单体电芯在恒流充电或放电过程中的温度和电参数信息。其中，同一电池系统内的各个单体电芯的温度可能相同也可能不同，温度会影响单体电芯的充电或放电性能。其中，各个单体电芯的电参数信息可以为单体电芯的电压、电流、内阻、剩余电量等信息。
其中，电池系统的类型可以包括镍钴锰酸锂电芯、镍钴铝酸锂电芯、磷酸铁锂电芯、锰酸锂电芯、锰酸锂掺混三元材料电芯的中一种或多种。
步骤120、根据各个单体电芯的电参数信息确定各个单体电芯的电压与当前充电电量的对应关系；
其中，单体电芯的电参数信息能够反应单体电芯在充电或者放电过程中的状态信息，因此，根据单体电芯的电参数信息能够确定单体电芯的电压和当前充电电量，进而能够确定单体电芯的电压与其当前充电电量的对应关系。
步骤130、根据各个单体电芯的电压与当前充电电量的对应关系，确定各个单体电芯与除自身之外所有单体电芯之间的相似度的数据集；
其中，根据各个单体电芯的电压与当前充电电量的对应关系可以确定各个单体电芯的之间的相似度。其中，相似度可用于表征各个单体电芯的之间电压、电阻、剩余电量等的相似度情况。
步骤140、根据各个单体电芯的温度，各个单体电芯的相似度的数据集，采用聚类算法评估各个单体电芯的一致性。
其中，温度会影响单体电芯的充电、放电等性能，进而影响单体电芯的电压、内阻、电量等电参数信息。不同单体电芯的温度可能会存在差异性，因而温度的差异性可能会使得不同单体电芯的电压、内阻、电量等电参数信息具有较大的差异性，进而影响不同单体电芯的相似度。因此，通过该评估方法可以识别出异常单体电芯，实现对各个单体电芯的一致性进行评估，进而也可以反应出各个单体电芯的电压、内阻、剩余电量等参数的一致性。
具体的，首先，基于电化学机理，即根据各个单体电芯的电参数信息可以确定各个单体电芯的电压与当前充电电量之间的对应关系，根据对应关系可以确定各个单体电芯的相似度。然后，再将各个单体电芯的相似度和温度导入聚类算法中进行聚类分析，以识别出异常单体电芯，从而可以实现对各个单体电芯的电压、内阻、剩余电量等参数进行在线评估。且通过机器学习算法，即聚类算法的聚类分析，可以提高评估的精确性。此外，整个算法为无监督算法，且不需要事先对离群单体进行标注，其评估结果精度高。
在本实施例的技术方案中，该电池系统的单体电芯一致性的评估方法的工作原理：参考图1，首先，获取恒流充电窗口中电池系统内各个单体电芯的温度和电参数信息；然后，根据各个单体电芯的电参数信息确定各个单体电芯的电压与当前充电电量的对应关系；根据各个单体电芯的电压与当前充电电量的对应关系，确定各个单体电芯与除自身之外所有单体电芯之间的相似度的数据集；最后，根据各个单体电芯的温度，各个单体电芯的相似度的数据集，采用聚类算法评估各个单体电芯的一致性。由此，通过该评估方法可以实现：将各个单体电芯的电参数信息基于电化学机理得到各个单体电芯的相似度，并将各个单体电芯的温度和相似度结合聚类算法进行聚类分析，识别出异常单体电芯，以实现对单体电芯的一致性进行在线评估。且通过机器学习算法，即聚类算法的聚类分析，可以提高评估的精确性。此外，整个算法为无监督算法，不需要事先对离群单体进行标注，其评估结果精度高。
本实施例的技术方案，通过提供一种电池系统的单体电芯一致性的评估方法，该电池系统的单体电芯一致性的评估方法包括：获取恒流充电窗口中电池系统内各个单体电芯的温度和电参数信息；根据各个单体电芯的电参数信息确定各个单体电芯的电压与当前充电电量的对应关系；根据各个单体电芯的电压与当前充电电量的对应关系，确定各个单体电芯与除自身之外所有单体电芯之间的相似度的数据集；根据各个单体电芯的温度，各个单体电芯的相似度的数据集，采用聚类算法评估各个单体电芯的一致性。通过该评估方法可以实现：将各个单体电芯的电参数信息基于电化学机理得到各个单体电芯的相似度，并将各个单体电芯的温度和相似度结合聚类算法进行聚类分析，识别出异常单体电芯，以实现对单体电芯的一致性进行在线评估。且通过机器学习算法，即聚类算法的聚类分析，可以提高评估的精确性。此外，整个算法为无监督算法，且不需要事先对离群单体进行标注，其评估结果精度高。
需要说明的是，本发明实施例所提供的评估方法可以适用于在线评估，还可用于在云端进行算法部署。
在上述技术方案的基础上，可选地，各个单体电芯的电参数信息包括电压、电流和充电时长。
具体的，可以通过采集各个单体电芯在恒流充电或放电过程中的状态数据，可以获取各个单体电芯的电压、电流和充电时长等电参数信息。其中，为了提高获取数据的有效性，可以对采集的数据进行预处理，例如，剔除缺失值、通信异常值等。
可选地，根据各个单体电芯的电参数信息确定各个单体电芯的电压与当前充电电量的对应关系，包括：
根据各个单体电芯的电流和充电时长确定各个单体电芯的当前充电电量；
根据各个单体电芯的电压与当前充电电量确定各个单体电芯的电压与当前充电电量的对应关系。
其中，各个单体电芯的电参数信息包括各个单体电芯的电压、电流和充电时长，因此，根据各个单体电芯的电参数信息可以获取到各个单体电芯的电压、电流和充电时长。然后，根据各个单体电芯的电流和充电时长的乘积可以得到各个单体电芯的当前充电电量。最后，根据各个单体电芯的电压与当前充电电量可以确定各个单体电芯的电压与当前充电电量的对应关系。
可选地，在根据各个单体电芯的电压与当前充电电量的对应关系，确定各个单体电芯之间的相似度之前，还包括：
根据各个单体电芯的电压与当前充电电量的对应关系，绘制各个单体电芯的电压与当前充电电量的对应关系的曲线；
采用小波变换对各个单体电芯的电压与当前充电电量的对应关系的曲线进行处理。
其中，依据各个单体电芯的电压与当前充电电量的对应关系，绘制出各个单体电芯的电压与当前充电电量的对应关系的曲线，可以直观反映出各个单体电芯的电压与其当前充电电量之间的对应关系。
示例性的，各个单体电芯的电压与当前充电电量的对应关系的曲线为：各个单体电芯的电压与，各个单体电芯的电压与当前充电电量的微分的对应关系的曲线。相应的，采用小波变换对：各个单体电芯的电压与，各个单体电芯的电压与当前充电电量的微分的对应关系的曲线进行预处理。
其中，采用小波变换对各个单体电芯的电压与当前充电电量的对应关系的曲线进行处理包括：对噪声数据点进行修正，对曲线进行平滑处理。这样设置的有益效果在于：一方面，对数据进行降噪滤波处理以提高数据的真实性；另一方面，实现对数据标准化处理，方便后续获取相似度数据。
实施例二
图2是本发明实施例二中提供的一种电池系统的单体电芯一致性的评估方法的流程图。在上述实施例一的基础上，可选地，参考图2，该评估方法具体包括如下步骤：
步骤210、获取恒流充电窗口中电池系统内各个单体电芯的温度和电参数信息；
步骤220、根据各个单体电芯的电参数信息确定各个单体电芯的电压与当前充电电量的对应关系；
步骤230、计算各个单体电芯之间的相关系数；
其中，各个单体电芯之间的相关系数可以为余弦相似度、皮尔逊相关系数、spearman相关系数、马氏距离和欧式距离中的一种。其中，余弦相似度、皮尔逊相关系数、spearman相关系数、马氏距离和欧式距离都是用于表征数据相似度的方法。每一种相关系数的具体计算方法与其对应采取的相关度的方法有关，具体可根据实际情况进行设置，在此不做具体的限定。
具体的，根据各个单体电芯的电压与当前充电电量的对应关系，按照设置的相关系数的计算方法，计算各个单体电芯之间的相关系数。
步骤240、计算每个单体电芯与其余各个单体电芯之间的相关系数的均值，作为各个单体电芯的相似度；
具体的，计算每个单体电芯与除其本身之外的各个单体电芯之间的相关系数，然后将各个相关系数累加求和计算均值，作为该单体电芯的相似度。依此方法，依次计算其他各个单体电芯的相似度。
例如，假设有m个单体电芯，则各个单体电芯的相似度的计算公式为：
其中，
j≠i；i＝1,2,…m；j＝1,2,…m
其中，Si,j为m个单体电芯之间的相关系数；Si为第i个单体电芯与除其本身之外的所有单体电芯之间的相关系数的均值；
步骤250、根据各个单体电芯的相似度建立各个单体电芯的相似度的数据集；
其中，
S＝{S1,S2,…Si…Sm}
其中，S为各个单体电芯的相似度的数据集。
步骤260、根据各个单体电芯的温度和各个单体电芯的相似度的数据集，确定各个单体电芯的温度与相似度的对应关系的初始聚类簇；
其中，各个单体电芯的相似度的数据集中包括各个单体电芯的相似度，根据各个单体电芯的温度与相似度的对应关系可以确定各个单体电芯在簇中的初始位置；根据各个单体电芯的初始位置和初始聚类簇的数量将各个单体电芯进行初始聚类划分。
假设初始聚类簇的数量为K，K的值是在聚类分析之前预先设定的；其具体数值可根据实际情况进行设置，在此不做具体的限定。其中，这K个簇中单体电芯的数量可能相同，也可能不同。
步骤270、将各个单体电芯的温度与相似度的对应关系的初始聚类簇导入聚类算法聚类分析后得到最终聚类簇；
其中，最终聚类簇为各个单体电芯由初始聚类簇经过聚类算法聚类分析后得到的最终的聚类划分结果。其中，在进行聚类分析的过程中，通过聚类算法可能会将各个单体电芯初始所在的簇进行多次重新聚类划分，得到最终的聚类划分，即最终聚类簇。其中，最终聚类簇的数量与初始聚类簇的数量相同。
其中，在本实施例的方案中，聚类划分是指将受温度影响程度相同或者相近的单体电芯进行聚类划分，并经聚类算法多次聚类划分后，得到最佳的聚类划分。
步骤280、将最终聚类簇中单体电芯的数量最少的聚类簇作为异常单体电芯。
其中，最终聚类簇的各个聚类簇中单体电芯的数量可能相同，也可能不同；每个聚类簇中单体电芯受温度影响的程度是相同或者相近的。聚类簇中单体电芯的数量越多表明这个聚类簇中各个单体电芯在所有聚类簇中最具有代表性，其单体电芯的性能是所有单体电芯中最优的。同理，聚类簇中单体电芯的数量越少，表明这个聚类簇中各个单体电芯与其他所有聚类簇中的单体电芯的差异性越大。因此，将最终聚类簇中单体电芯的数量最少的聚类簇作为异常单体电芯。由此，可以识别出异常的单体电芯，以实现对各个单体电芯的一致性进行在线评估。且通过机器学习算法，即聚类算法的聚类分析，可以提高评估的精确性。此外，整个算法为无监督算法，且不需要事先对离群单体进行标注，其评估结果精度高。
在上述技术方案的基础上，可选地，各个单体电芯之间的相关系数为余弦相似度、皮尔逊相关系数、spearman相关系数、马氏距离和欧式距离中的一种。
可选地，聚类算法为K-Means聚类、密度聚类、层次聚类和主成分分析中的一种。
其中，K-Means聚类是划分方法中较经典的聚类算法之一。由于该算法的效率高，所以在对大规模数据进行聚类时被广泛应用。K-Means算法以k为参数，把n个对象分成k个簇，使簇内具有较高的相似度，而簇间的相似度较低。K-Means算法的处理过程如下：首先，随机地选择k个对象，每个对象初始地代表了一个簇的平均值或中心；对剩余的每个对象，根据其与各簇中心的距离，将它赋给最近的簇；然后重新计算每个簇的平均值。这个过程不断重复，直到准则函数收敛。
其中，密度聚类是基于密度的聚类算法假设聚类结构能够通过样本分布的紧密程度确定，以数据集在空间分布上的稠密程度为依据进行聚类，即只要一个区域中的样本密度大于某个阈值，就把它划入与之相近的簇中。密度聚类从样本密度的角度进行考察样本之间的可连接性，并由可连接样本不断扩展直到获得最终的聚类结果。这类算法可以克服K-means、BIRCH等只适用于凸样本集的情况。其中，常用的密度聚类算法为：DBSCAN、MDCA、OPTICS、DENCLUE等。
其中，层次聚类是一种很直观的算法。层次聚类试图在不同层次对数据集进行划分，从而形成树形的聚类结构。数据集划分可采用"自底向上"的聚合策略，也可采用"自顶向下"的分拆策略。
其中，主成分分析是就是将多项指标转化为少数几项综合指标，用综合指标来解释多变量的方差—协方差结构。综合指标即为主成分。所得出的少数几个主成分，要尽可能多地保留原始变量的信息，且彼此不相关。
此外，还可以为其他任何适用的聚类算法，具体可根据实际情况设置聚类算法的选用，在此不做具体的限定。
可选地，初始聚类簇的数量与最终聚类簇的数量相同。
实施例三
图3是本发明实施例三中提供的一种电池系统的单体电芯一致性的评估方法的流程图；图4是本发明实施例三中提供的一种利用小波变换处理后的V-dQ/dV曲线的示意图；图5是本发明实施例三中提供的一种聚类算法聚类分析后的效果图。在上述实施例的基础上，示例性的，以相关系数为余弦相似度，聚类算法采用K-Means聚类为例，对电池系统的m个单体电芯的一致性进行评估，具体步骤如下：
首先，数据输入，即采集电池系统在恒流充电或放电过程中各个单体电芯的电流、电压、充电时长、温度等信息；
然后，根据m个单体电芯的电流和充电时长计算得到m个单体电芯的当前充电电量；
根据m个单体电芯的当前充电电量和电压，得到m个单体电芯的dQ/dV数据集合D，并绘制各个单体电芯的电压V与dQ/dV之间的对应关系曲线。
其中，D＝{X1，X2，X3，…Xm}，其中，每个单体电芯样本为Xi＝(x1,x2,…xn)T,i＝(1,2,…m)。
对各个单体电芯的电压V与dQ/dV之间的对应关系曲线进行小波变换，得到修正后的V-dQ/dV曲线。
其中，经过小波变换修正后的单体电芯的样本为Xi W＝(x1 W,x2 W,…xn W)T，i＝(1,2,…m)；修正后的V-dQ/dV曲线如图4所示。
计算m个单体电芯之间的余弦相似度Si,j，并计算各个单体电芯与除自身之外所有单体电芯之间的相关系数的均值；
其中，
其中，各个单体电芯与与除自身之外所有单体电芯之间的余弦相似度的均值作为各个单体电芯的相似度。则各个单体电芯的相似度的数据集S为：
S＝{S1,S2,…Si…Sm}
其中，
其中，
j≠i；i＝1,2,…m；j＝1,2,…m
最后，联立各个单体电芯的温度与组成集合B，对集合B按照K-Means聚类算法进行聚类分析。并根据聚类分析的最终分析结果，输出异常单体电芯。
其中，设集合B＝{Y1,Y2,Y3,…Ym}，其中，Yi＝(Ti,Si)。具体的，可以将数据集B划分为k个聚类簇{Cl|l＝1,2,…k}。假设k等于5，对当前单体电芯聚类划分为5类，即5个聚类簇，然后用不同数据标记类型代表不同的簇。例如，“★”代表每个族的中心。其中“▲”代表的簇为异常离群的类别，该类代表一致性极差的单体电芯。其中，输出异常单体电芯的方式可以为输出异常单体电芯对应的序号或指代符号。最终得到的聚类效果如图5所示。其中，图5的横坐标表示相似度，纵坐标表示温度。由于相似度的范围为0-1，为了方便数据处理，将温度进行统一标准化处理，即图5的纵坐标温度为标准化处理后的数据。
实施例四
图6是本发明实施例四中提供的一种电池系统的单体电芯一致性的评估装置的结构框图。本发明实施例五提供了一种电池系统的单体电芯一致性的评估装置，参考图6，该评估装置100包括：
温度和电参数信息获取模块10，用于获取恒流充电窗口中所述电池系统内各个单体电芯的温度和电参数信息；
对应关系确定模块20，用于根据各个单体电芯的电参数信息确定各个单体电芯的电压与当前充电电量的对应关系；
数据集确定模块30，用于根据各个单体电芯的电压与当前充电电量的对应关系，确定各个单体电芯与除自身之外所有单体电芯之间的相似度的数据集；
一致性评估模块40，用于根据各个单体电芯的温度，各个单体电芯的相似度的数据集，采用聚类算法评估各个单体电芯的一致性。
本实施例的技术方案，通过提供一种电池系统的单体电芯一致性的评估装置，该评估装置包括：温度和电参数信息获取模块，用于获取恒流充电窗口中电池系统内各个单体电芯的温度和电参数信息；对应关系确定模块，用于根据各个单体电芯的电参数信息确定各个单体电芯的电压与当前充电电量的对应关系；数据集确定模块，用于根据各个单体电芯的电压与当前充电电量的对应关系，确定各个单体电芯与除自身之外所有单体电芯之间的相似度的数据集；一致性评估模块，用于根据各个单体电芯的温度，各个单体电芯的相似度的数据集，采用聚类算法评估各个单体电芯的一致性。由此，通过该评估装置可以实现：将各个单体电芯的电参数信息基于电化学机理得到各个单体电芯的相似度，并将各个单体电芯的温度和相似度结合聚类算法进行聚类分析，找出异常单体电芯，以实现对单体电芯的一致性进行在线评估。且通过机器学习算法，即聚类算法的聚类分析，可以提高评估的精确性。此外，整个算法为无监督算法，且不需要事先对离群单体进行标注，其评估结果精度高。
可选地，数据集确定模块30，包括：
相关系数计算单元，用于计算各个单体电芯之间的相关系数；
均值计算单元，用于计算每个单体电芯与其余各个单体电芯之间的相关系数的均值，作为各个单体电芯的相似度；
数据集建立单元，用于根据各个单体电芯的相似度建立各个单体电芯的相似度的数据集。
可选地，各个单体电芯之间的相关系数为余弦相似度、皮尔逊相关系数、spearman相关系数、马氏距离和欧式距离中的一种。
可选地，一致性评估模块40，包括：
初始聚类簇确定单元，用于根据各个单体电芯的温度和各个单体电芯的相似度的数据集，确定各个单体电芯的温度与相似度的对应关系的初始聚类簇；
最终聚类簇确定单元，用于将各个单体电芯的温度与相似度的对应关系的初始聚类簇导入所述聚类算法聚类分析后得到最终聚类簇；
异常单体电芯确定单元，用于将最终聚类簇中单体电芯的数量最少的聚类簇作为异常单体电芯。
可选地，聚类算法为K-Means聚类、密度聚类、层次聚类和主成分分析聚类中的一种。
可选地，初始聚类簇的数量与最终聚类簇的数量相同。
可选地，各个单体电芯的电参数信息包括电压、电流和充电时长。
可选地，该评估装置100还包括：
当前充电电量确定模块，用于根据各个单体电芯的电流和充电时长确定各个单体电芯的当前充电电量；
对应关系确定模块，还用于根据各个单体电芯的电压与当前充电电量确定各个单体电芯的电压与当前充电电量的对应关系。
可选地，该评估装置100还包括：
曲线绘制模块，用于根据各个单体电芯的电压与当前充电电量的对应关系，绘制各个单体电芯的电压与当前充电电量的对应关系的曲线；
小波变换处理模块，用于采用小波变换对各个单体电芯的电压与当前充电电量的对应关系的曲线进行处理。
本发明实施例所提供的电池系统的单体电芯一致性的评估装置可执行本发明任意实施例所提供的电池系统的单体电芯一致性的评估方法，具备执行方法相应的功能模块和有益效果。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种电池系统的单体电芯一致性的评估方法，其特征在于，包括：
获取恒流充电窗口中所述电池系统内各个单体电芯的温度和电参数信息；
根据各个单体电芯的电参数信息确定各个单体电芯的电压与当前充电电量的对应关系；
根据各个单体电芯的电压与当前充电电量的对应关系，确定各个单体电芯与除自身之外所有单体电芯之间的相似度的数据集；
根据各个单体电芯的温度，各个单体电芯的相似度的数据集，采用聚类算法评估各个单体电芯的一致性。
2.根据权利要求1所述的电池系统的单体电芯一致性的评估方法，其特征在于，所述根据各个单体电芯的电压与当前充电电量的对应关系，确定各个单体电芯与除自身之外所有单体电芯之间的相似度的数据集，包括：
计算各个单体电芯之间的相关系数；
计算每个单体电芯与除自身之外所有单体电芯之间的相关系数的均值，作为各个单体电芯的相似度；
根据各个单体电芯的相似度建立各个单体电芯的相似度的数据集。
3.根据权利要求2所述的电池系统的单体电芯一致性的评估方法，其特征在于，所述各个单体电芯之间的相关系数为余弦相似度、皮尔逊相关系数、spearman相关系数、马氏距离和欧式距离中的一种。
4.根据权利要求1所述的电池系统的单体电芯一致性的评估方法，其特征在于，所述根据各个单体电芯的温度，各个单体电芯的相似度的数据集，采用聚类算法评估各个单体电芯的一致性，包括：
根据各个单体电芯的温度和各个单体电芯的相似度的数据集，确定各个单体电芯的温度与相似度的对应关系的初始聚类簇；
将各个单体电芯的温度与相似度的对应关系的初始聚类簇导入所述聚类算法聚类分析后得到最终聚类簇；
将所述最终聚类簇中单体电芯的数量最少的聚类簇作为异常单体电芯。
5.根据权利要求1或4所述的电池系统的单体电芯一致性的评估方法，其特征在于，所述聚类算法为K-Means聚类、密度聚类、层次聚类和主成分分析中的一种。
6.根据权利要求4所述的电池系统的单体电芯一致性的评估方法，其特征在于，所述初始聚类簇的数量与所述最终聚类簇的数量相同。
7.根据权利要求1所述的电池系统的单体电芯一致性的评估方法，所述各个单体电芯的电参数信息包括电压、电流和充电时长。
8.根据权利要求7所述的电池系统的单体电芯一致性的评估方法，其特征在于，所述根据各个单体电芯的电参数信息确定各个单体电芯的电压与当前充电电量的对应关系，包括：
根据各个单体电芯的电流和充电时长确定各个单体电芯的当前充电电量；
根据各个单体电芯的电压与当前充电电量确定各个单体电芯的电压与当前充电电量的对应关系。
9.根据权利要求1所述的电池系统的单体电芯一致性的评估方法，其特征在于，在根据各个单体电芯的电压与当前充电电量的对应关系，确定各个单体电芯之间的相似度之前，还包括：
根据各个单体电芯的电压与当前充电电量的对应关系，绘制各个单体电芯的电压与当前充电电量的对应关系的曲线；
采用小波变换对各个单体电芯的电压与当前充电电量的对应关系的曲线进行处理。
10.一种电池系统的单体电芯一致性的评估装置，其特征在于，包括：
温度和电参数信息获取模块，用于获取恒流充电窗口中所述电池系统内各个单体电芯的温度和电参数信息；
对应关系确定模块，用于根据各个单体电芯的电参数信息确定各个单体电芯的电压与当前充电电量的对应关系；
数据集确定模块，用于根据各个单体电芯的电压与当前充电电量的对应关系，确定各个单体电芯与除自身之外所有单体电芯之间的相似度的数据集；
一致性评估模块，用于根据各个单体电芯的温度，各个单体电芯的相似度的数据集，采用聚类算法评估各个单体电芯的一致性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111477507.2A CN114114039B (zh) | 2021-12-06 | 2021-12-06 | 一种电池系统的单体电芯一致性的评估方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111477507.2A CN114114039B (zh) | 2021-12-06 | 2021-12-06 | 一种电池系统的单体电芯一致性的评估方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114114039A true CN114114039A (zh) | 2022-03-01 |
| CN114114039B CN114114039B (zh) | 2023-10-03 |
Family
ID=80366897
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111477507.2A Active CN114114039B (zh) | 2021-12-06 | 2021-12-06 | 一种电池系统的单体电芯一致性的评估方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114114039B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115494418A (zh) * | 2022-11-22 | 2022-12-20 | 湖北工业大学 | 基于时间序列分解算法的锂电池单体异常检测方法及系统 |
| CN117595464A (zh) * | 2024-01-18 | 2024-02-23 | 深圳创芯技术股份有限公司 | 一种电池充电器充电检测控制方法及系统 |
| CN117665629A (zh) * | 2024-01-31 | 2024-03-08 | 成都深瑞同华科技有限公司 | 储能电池仓的电压一致性评估方法、装置及存储介质 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001242228A (ja) * | 2000-02-29 | 2001-09-07 | Yazaki Corp | バッテリ温度を用いて積算電流を補正する機能を備えた残存容量測定装置。 |
| JP2016092844A (ja) * | 2014-10-29 | 2016-05-23 | 中国電力株式会社 | 電力系統制御システム、電力系統制御システムの制御方法 |
| US20170116204A1 (en) * | 2015-08-24 | 2017-04-27 | Hasan Davulcu | Systems and methods for narrative detection and frame detection using generalized concepts and relations |
| WO2019042416A1 (zh) * | 2017-08-31 | 2019-03-07 | 比亚迪股份有限公司 | 电池均衡方法、系统、车辆及电子设备 |
| CN109768340A (zh) * | 2018-12-05 | 2019-05-17 | 国联汽车动力电池研究院有限责任公司 | 一种电池放电过程电压不一致性估计方法及装置 |
| CN111126449A (zh) * | 2019-11-29 | 2020-05-08 | 合肥国轩高科动力能源有限公司 | 一种基于聚类分析的电池故障分类诊断方法 |
| CN111398832A (zh) * | 2020-03-19 | 2020-07-10 | 哈尔滨工程大学 | 一种基于anfis模型的公交车电池soc预测方法 |
| 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 |
| CN111707951A (zh) * | 2020-06-22 | 2020-09-25 | 北京理工大学 | 一种电池组一致性评估方法及系统 |
| CN112433170A (zh) * | 2020-10-13 | 2021-03-02 | 北京交通大学 | 一种串联电池组单体参数差异辨识方法 |
| CN112858919A (zh) * | 2021-01-18 | 2021-05-28 | 北京理工大学 | 一种基于聚类分析的电池系统在线故障诊断方法和系统 |
| CN112924870A (zh) * | 2021-04-12 | 2021-06-08 | 上海电享信息科技有限公司 | 电池不一致性的评估方法 |
| CN113111508A (zh) * | 2021-04-08 | 2021-07-13 | 东软睿驰汽车技术（沈阳）有限公司 | 电芯一致性的评估方法、装置及服务器 |
| CN113484764A (zh) * | 2021-07-30 | 2021-10-08 | 合肥工业大学 | 基于多维阻抗谱的退役电池soh和一致性的评估方法 |
-
2021
- 2021-12-06 CN CN202111477507.2A patent/CN114114039B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001242228A (ja) * | 2000-02-29 | 2001-09-07 | Yazaki Corp | バッテリ温度を用いて積算電流を補正する機能を備えた残存容量測定装置。 |
| JP2016092844A (ja) * | 2014-10-29 | 2016-05-23 | 中国電力株式会社 | 電力系統制御システム、電力系統制御システムの制御方法 |
| US20170116204A1 (en) * | 2015-08-24 | 2017-04-27 | Hasan Davulcu | Systems and methods for narrative detection and frame detection using generalized concepts and relations |
| WO2019042416A1 (zh) * | 2017-08-31 | 2019-03-07 | 比亚迪股份有限公司 | 电池均衡方法、系统、车辆及电子设备 |
| CN109768340A (zh) * | 2018-12-05 | 2019-05-17 | 国联汽车动力电池研究院有限责任公司 | 一种电池放电过程电压不一致性估计方法及装置 |
| CN111126449A (zh) * | 2019-11-29 | 2020-05-08 | 合肥国轩高科动力能源有限公司 | 一种基于聚类分析的电池故障分类诊断方法 |
| CN111398832A (zh) * | 2020-03-19 | 2020-07-10 | 哈尔滨工程大学 | 一种基于anfis模型的公交车电池soc预测方法 |
| 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 |
| CN111707951A (zh) * | 2020-06-22 | 2020-09-25 | 北京理工大学 | 一种电池组一致性评估方法及系统 |
| CN112433170A (zh) * | 2020-10-13 | 2021-03-02 | 北京交通大学 | 一种串联电池组单体参数差异辨识方法 |
| CN112858919A (zh) * | 2021-01-18 | 2021-05-28 | 北京理工大学 | 一种基于聚类分析的电池系统在线故障诊断方法和系统 |
| CN113111508A (zh) * | 2021-04-08 | 2021-07-13 | 东软睿驰汽车技术（沈阳）有限公司 | 电芯一致性的评估方法、装置及服务器 |
| CN112924870A (zh) * | 2021-04-12 | 2021-06-08 | 上海电享信息科技有限公司 | 电池不一致性的评估方法 |
| CN113484764A (zh) * | 2021-07-30 | 2021-10-08 | 合肥工业大学 | 基于多维阻抗谱的退役电池soh和一致性的评估方法 |
Non-Patent Citations (4)
| Title |
|---|
| 刘大同 等: "锂离子电池组健康状态估计综述", 工程科技Ⅱ辑 * |
| 葛云龙;陈自强;: "基于STF&LM算法的串联锂离子电池组不一致性辨识与状态估计", 中国电机工程学报, no. 14 * |
| 赵萌 等: "梯次利用锂电池内阻一致性评估指标", 中外能源, no. 08 * |
| 赵萌等: "梯次利用锂电池内阻一致性评估指标" * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115494418A (zh) * | 2022-11-22 | 2022-12-20 | 湖北工业大学 | 基于时间序列分解算法的锂电池单体异常检测方法及系统 |
| CN117595464A (zh) * | 2024-01-18 | 2024-02-23 | 深圳创芯技术股份有限公司 | 一种电池充电器充电检测控制方法及系统 |
| CN117595464B (zh) * | 2024-01-18 | 2024-04-12 | 深圳创芯技术股份有限公司 | 一种电池充电器充电检测控制方法及系统 |
| CN117665629A (zh) * | 2024-01-31 | 2024-03-08 | 成都深瑞同华科技有限公司 | 储能电池仓的电压一致性评估方法、装置及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114114039B (zh) | 2023-10-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111707951B (zh) | 一种电池组一致性评估方法及系统 | |
| CN114114039B (zh) | 一种电池系统的单体电芯一致性的评估方法和装置 | |
| CN110991786B (zh) | 基于相似日负荷曲线的10kV静态负荷模型参数辨识方法 | |
| CN113962259B (zh) | 一种燃料电池系统多模式双层故障诊断方法 | |
| CN112904219B (zh) | 一种基于大数据的动力电池健康状态的预测方法 | |
| CN110795690A (zh) | 风电场运行异常数据检测方法 | |
| CN109633448B (zh) | 识别电池健康状态的方法、装置和终端设备 | |
| Deng et al. | Battery health evaluation using a short random segment of constant current charging | |
| CN113702895A (zh) | 一种电压互感器误差状态在线定量评估方法 | |
| Gasper et al. | Predicting battery capacity from impedance at varying temperature and state of charge using machine learning | |
| CN112287980B (zh) | 基于典型特征向量的动力电池筛选方法 | |
| CN110544047A (zh) | 一种不良数据辨识方法 | |
| CN115580445A (zh) | 一种未知攻击入侵检测方法、装置和计算机可读存储介质 | |
| CN114626487A (zh) | 基于随机森林分类算法的线变关系校核方法 | |
| CN114200245A (zh) | 一种配电网的线损异常识别模型的构建方法 | |
| Pau et al. | Microcontroller architectures for battery state of charge prediction with tiny neural networks | |
| CN107274025B (zh) | 一种实现用电模式智能识别与管理的系统和方法 | |
| CN117113232A (zh) | 一种电动汽车锂离子电池组热失控风险识别方法 | |
| CN115409317A (zh) | 基于特征选择和机器学习的台区线损检测方法及装置 | |
| CN115980607A (zh) | 基于增量容量曲线特征点的电池健康状态soh估算方法 | |
| CN114429182A (zh) | 基于改进cart算法的退役动力电池等级分类方法 | |
| CN113408622A (zh) | 计及特征量信息表达差异的非侵入式负荷辨识方法及系统 | |
| CN113283533B (zh) | 面向性能衰退时间序列数据的可借用样本筛选方法和系统 | |
| CN116960487B (zh) | 考虑单体不一致性的钠离子电池系统容量估计方法及装置 | |
| CN111276188B (zh) | 一种基于角度特征的短时序基因表达数据聚类方法 |
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 |