CN114236409B - 一种动力电池组故障诊断装置及方法及系统 - Google Patents
一种动力电池组故障诊断装置及方法及系统 Download PDFInfo
- Publication number
- CN114236409B CN114236409B CN202111322844.4A CN202111322844A CN114236409B CN 114236409 B CN114236409 B CN 114236409B CN 202111322844 A CN202111322844 A CN 202111322844A CN 114236409 B CN114236409 B CN 114236409B
- Authority
- CN
- China
- Prior art keywords
- correlation
- result
- sliding window
- battery pack
- power battery
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000010219 correlation analysis Methods 0.000 claims abstract description 20
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000013461 design Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000004069 differentiation Effects 0.000 claims description 4
- 239000011521 glass Substances 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 238000003646 Spearman's rank correlation coefficient Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 2
- 238000001931 thermography Methods 0.000 claims 2
- 238000002474 experimental method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 208000032953 Device battery issue Diseases 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 241001111948 Spilotes Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012360 testing method Methods 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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
一种动力电池组故障诊断装置及方法及系统,包括安全箱、监测模块和单体电池;若干单体电池设置在安全箱内,且若干单体电池串联连接,监测模块设置在安全箱的顶部,监测模块用于监测安全箱的温度压力数据;串联的单体电池外接工况信号。本发明通过针对实际工况下的电池组故障诊断,提出了一种非建模的动态电压序列相关性分析方法,此方法基于双动态滑动窗口与斯皮尔曼相关性系数,可以在较好的保证故障诊断时效性的同时,保证故障诊断结果的可靠性。
Description
技术领域
本发明属于电池故障预测和健康诊断技术领域,涉及一种动力电池组故障诊断装置及 方法及系统。
背景技术
锂离子电池因具有能量密度高、循环寿命长和自放电率低等特点,而被广泛应用于 电动车辆,如:电动汽车、电动工程机械。然而,近年来电动车辆安全事故频发,导致动力电池的安全问题受到了越来越多的关注。电动车辆的安全问题通常由动力电池的机械滥用或电气滥用引起。其中,电气故障通常包括:过充电、过放电、内短路与外短路。与过充过放相比,短路故障具有更高的危险性,液体意外漏入电池组、外力使电池组变形或 车辆振动导致接线松动等都容易引发电池组的内短路与外短路现象。短路现象会引发严 重的放热反应,并最终导致热失控的发生。现有的工业常用方法通常直接将传感器的测量 值与电流增加、电压降或温升的设定阈值进行比较来实时监测电池组得健康状态。但这种 方法可以在不触发阈值的情况下发生故障,如:短路回路的电阻适中,短时间内电流、电压或温度不会超过设定的阈值,则故障就难以被检测到。当电池组发生内短路故障时,电 流在电池内部流动,传感器无法采集到有效的电池信息,则此方法会直接失效。另一种改 进的方法基于电池组内电池模块的最大压差阈值,但此方法的最佳阈值难以确定,阈值过 大则无法有效地进行故障诊断,阈值过小则易导致误报现象的发生。
发明内容
本发明的目的在于提供一种动力电池组故障诊断装置及方法及系统,以解决上述问 题。
为实现上述目的,本发明采用以下技术方案:
一种动力电池组故障诊断装置,包括安全箱、监测模块和单体电池;若干单体电池设 置在安全箱内,且若干单体电池串联连接,监测模块设置在安全箱的顶部,监测模块用于 监测安全箱的温度压力数据;串联的单体电池外接工况信号。
进一步的,若干单体电池通过接线端子连接,其中一个单体电池上并联有电阻和继电 器;安全箱上设置有接线口,工况信号通过接线口连接到接线端子。
进一步的,监测模块包括气压表、热成像仪和摄像头,气压表、热成像仪和摄像头并 排设置在安全箱顶部。
进一步的,若干单体电池设置在有机玻璃架上,安全箱放置于恒温箱内。
进一步的,一种动力电池组故障诊断方法,包括以下步骤:
步骤1,通过实验装置,对动力电池组在不同工况下进行充放电循环,以模拟实际工 况;
步骤2,分别在电池组SOC位于90%、80%、70%、60%和50%时,通过外接工况信号加入故障信号,并实时采集动力电池组的电流电压数据;
步骤3,选用斯皮尔曼相关性系数对电压序列进行相关性分析;
步骤4:引入双动态滑动窗口方法,与斯皮尔曼相关性系数进行电池故障的实时监测, 实现故障诊断。
进一步的,步骤3中,选用斯皮尔曼相关性系数,设(X1,Y1),(X2,Y2),(X3,Y3)相互独立,且与(X,Y)具有相同分布的二维随机向量,则X与Y的斯皮尔曼秩相关系数如下:
ρs=3{P((X1-X2)(Y1-Y3)>0)-P((X1-X2)(Y1-Y3)<0)}
设(Xi,Yi),(Xi,Yi),i=1,2,…,n为取自总体(X,Y)的样本,用Ri表示Xi在 (X1,X2,…,Xn)中的秩,用Qi表示Yi在(Y1,Y2,…,Yn)中的秩,则样本的斯皮尔曼相关性系 数为:
其中,
进一步的,步骤4中,每经过一个采集周期,对周期内电流进行微分并与上一周期电 流微分结果进行对比,以实时变换滑动窗口W1,再利用相关性系数对窗口内的电压数据进行相关性分析,分析结果与设定阈值1进行比较,相关性结果大于阈值1,则输出结果; 若相关性结果小于阈值1,则预警,并将BMS实时采集的数据输入到滑动窗口W2进行 相关性计算;若相关性结果大于阈值2,则输出结果;若相关性结果小于阈值2,则预警, 并继续有滑动窗口W2进行计算。
进一步的,当滑窗W1监测到故障信号时,启用滑动窗口W2,W2的宽度=10,此时,BMS采集到的数据直接输入W2进行计算,当计算结果小于设定阈值时,BMS发出预警 信号。
进一步的,一种动力电池组故障诊断系统,包括:
工况模拟模块,用于通过实验装置,对动力电池组在不同工况下进行充放电循环,以 模拟实际工况;
采集模块,用于分别在电池组SOC位于90%、80%、70%、60%和50%时,通过外 接工况信号加入故障信号,并实时采集动力电池组的电流电压数据;
相关性分析模块,用于选用斯皮尔曼相关性系数对电压序列进行相关性分析;
诊断模块,用于引入双动态滑动窗口方法,与斯皮尔曼相关性系数进行电池故障的 实时监测,实现故障诊断。
与现有技术相比,本发明有以下技术效果:
本发明提出一种基于双动态滑动窗口和斯皮尔曼相关性系数的动力电池组故障诊断 方法。由于相关系数与电压波动的平均值和幅值无关,因此不会导致错报或误报现象的发 生,但当测试样本过多时,会出现计算量大且故障信号不明显的现象。为此,提出双动态滑动窗口的方法对其进行改进,滑动窗口实时根据电流信号变换窗口宽度,以节省算力,并保证故障诊断的可靠性。当故障信号触发阈值时,双滑动窗口同时对采集信号进行相关性分析,若故障信号小于阈值则持续报警,若故障信号大于阈值则停止预警,保证了动力电池组故障诊断的快速性与可靠性。
本发明通过针对实际工况下的电池组故障诊断,提出了一种非建模的动态电压序列 相关性分析方法,此方法基于双动态滑动窗口与斯皮尔曼相关性系数,可以在较好的保证 故障诊断时效性的同时,保证故障诊断结果的可靠性。
附图说明
图1为本发明的动力电池组故障诊断实验装置;
图2为本发明的双动态滑动窗口算法流程;
图3为本发明的故障诊断方法在线监测框架图;
具体实施方式
以下结合附图对本发明进一步说明:
请参阅图1至图3,本发明为了获得实时可靠的动力电池故障诊断结果,提出一种动态电压序列相关性分析的动力电池故障诊断方法。
由于动力电池实际工作条件的复杂性,昼夜变化的环境温度、新能源车辆的制动及 信号测量的噪声,与动力电池制造工艺的不一致性,导致了动力电池组在工作时易出现故 障。同时,动力电池的故障演变过程是缓慢的,具有不确定性的。因此,早期的动力电池故障诊断技术对于确保新能源车辆的安全性具有重要的意义。
考虑到建模方法故障诊断的延时性,提出了相关性系数故障诊断的方法以提高实时 性。考虑到动力电池实时数据的分布,采用斯皮尔曼相关性系数对实时电压信号进行相关 性分析。
为提高动力电池故障诊断的可靠性,采用滑动窗口对实时电压数据进行切割,并在 相关性系数小于阈值时启用双滑动窗口。为减少电池管理芯片的计算量及非故障数据相关 性的影响,滑动窗口根据实时电流信号动态变化步长。
通过实验分析了6组电池串并联时的实时充放电数据,分别在2号电池上并联1Ω、10Ω和30Ω的电阻或铜线以模拟不同程度的电池故障,并分别在电池组荷电状态(Stateof Charge,SOC)位于90%、80%、70%、60%和50%时加入故障信号。图1为电池组故障 实验装置,由安全箱1、气压表2、热成像仪3、摄像头4、接线口5、电阻6、继电器7、 单体电池8、有机玻璃架9、和接线端子10组成。整个实验装置在实验时放于恒温箱内, 以模拟不同的室外温度,并增加整体实验的安全性能。电池通过电池测试仪控制,在不同工况下进行充放电,以模拟实际工况。
图2为双动态滑动窗口算法的流程图。
首先,电池组基于实际工况实时充放电,电池管理系统(Battery ManagementSystem, BMS)实时采集电流电压数据。每经过一个采集周期,对周期内电流进行微分并与上一 周期电流微分结果进行对比,以实时变换滑动窗口W1,以在保证结果可靠性的同时,节 约BMS计算成本。再利用相关性系数对窗口内的电压数据进行相关性分析,分析结果与设定阈值1进行比较。相关性结果大于阈值1,则输出结果;若相关性结果小于阈值1, 则预警,并将BMS实时采集的数据输入到滑动窗口W2进行相关性计算。若相关性结果 大于阈值2,则输出结果;若相关性结果小于阈值2,则预警,并继续有滑动窗口W2进 行计算。
为了提高相关性系数的适用性,选用斯皮尔曼相关性系数。设(X1,Y1),(X2,Y2),(X3,Y3)相互独立,且与(X,Y)具有相同分布的二维随机向量,则X与Y的斯皮尔曼秩相 关系数如下:
ρs=3{P((X1-X2)(Y1-Y3)>0)-P((X1-X2)(Y1-Y3)<0)}
设(Xi,Yi),(Xi,Yi),i=1,2,…,n为取自总体(X,Y)的样本,用Ri表示Xi在 (X1,X2,…,Xn)中的秩,用Qi表示Yi在(Y1,Y2,…,Yn)中的秩,则样本的斯皮尔曼相关性系 数为:
其中,
从上式可以看出,斯皮尔曼相关性系数与整个样本秩的平均值密切相关。样本量越 大,则计算量越大,且小部分故障信号对总体结果的影响更小。因此,需要引入滑动窗口算法,以减少BMS单位时间内的计算消耗,并提高相关性分析结果的可靠性。同时,为了进一步节约计算成本与提高故障诊断的实时性,引入双动态滑动窗口。在电池组未出现 故障信号之前,利用滑动窗口W1与斯皮尔曼相关性系数进行电池故障的实时监测,滑窗 W1的宽度根据当前采样周期和上一个周期的电流微分结果之比,进行实时变换。当滑窗 W1监测到故障信号时,启用滑动窗口W2,W2的宽度=10,此时,BMS采集到的数据 直接输入W2进行计算,确保了计算结果的实时性,当计算结果小于设定阈值时,BMS 发出预警信号。
本发明通过针对实际工况下的电池组故障诊断,提出了一种非建模的动态电压序列 相关性分析方法,此方法基于双动态滑动窗口与斯皮尔曼相关性系数,可以在较好的保证 故障诊断时效性的同时,保证故障诊断结果的可靠性。
首先,设计了一种安全可靠的动力电池组故障诊断实验装置。实验装置由安全箱1、 气压表2、热成像仪3、摄像头4、接线口5、电阻6、继电器7、单体电池8、有机玻璃 架9、和接线端子10组成。整个实验装置在实验时放于恒温箱内,以模拟不同的室外温 度,并增加整体实验的安全性能。电池通过电池测试仪控制,在不同工况下进行充放电, 以模拟实际工况。其次,提出了一种非建模的动态电压序列相关性分析法,用于动力电池 组的在线故障诊断。此方法基于双动态滑动窗口与斯皮尔曼相关性系数,可以在较好的保证故障诊断时效性的同时,保证故障诊断结果的可靠性。
具体实施步骤如下:
步骤1:设计动力电池组故障诊断实验装置。
步骤2:通过所设计实验装置,对动力电池组在不同工况下进行充放电循环,以模拟实际工况;
步骤3:分别在电池组SOC位于90%、80%、70%、60%和50%时加入故障信号, 并实时采集动力电池组的电流电压数据;
步骤4:为了提高相关性系数的适用性,选用斯皮尔曼相关性系数对电压序列进行相关性分析。
步骤5:考虑斯皮尔曼相关性系数与整个样本秩的平均值密切相关,引入双动态滑动窗口方法。
步骤6:实时将采集到的电压电流数据输入所提方法,基于双动态滑动窗口与斯皮尔曼相关性系数,实现了高时效性与高可靠性的动力电池组故障诊断。
实时准确的动力电池组故障诊断是新能源设备安全运行的前提,基于建模的方法难 以保证故障诊断的实时性。针对这一问题,首先设计了安全可靠的的动力电池组故障诊断 实验装置,获得了实时的动力电池组电流电压数据。其次,引入斯皮尔曼相关性系数对电压数据进行相关性分析。考虑斯皮尔曼相关性系数与整个样本秩的平均值密切相关,引入 双动态滑动窗口方法。最后,实时将采集到的电压电流数据输入所提方法,基于双动态滑 动窗口与斯皮尔曼相关性系数,实现了高时效性与高可靠性的动力电池组故障诊断。
Claims (3)
1.一种动力电池组故障诊断方法,其特征在于,基于一种动力电池组故障诊断装置,包括:安全箱(1)、监测模块和单体电池(8);若干单体电池(8)设置在安全箱(1)内,且若干单体电池(8)串联连接,监测模块设置在安全箱(1)的顶部,监测模块用于监测安全箱(1)的温度压力数据;串联的单体电池(8)外接工况信号;
若干单体电池(8)通过接线端子(10)连接,其中一个单体电池(8)上并联有电阻(6)和继电器(7);安全箱上设置有接线口,工况信号通过接线口(5)连接到接线端子(10);
监测模块包括气压表(2)、热成像仪(3)和摄像头(4),气压表(2)、热成像仪(3)和摄像头(4)并排设置在安全箱顶部;
若干单体电池(8)设置在有机玻璃架(9)上,安全箱(1)放置于恒温箱内;
包括以下步骤:
步骤1,通过实验装置,对动力电池组在不同工况下进行充放电循环,以模拟实际工况;
步骤2,分别在电池组SOC位于90%、80%、70%、60%和50%时,通过外接工况信号加入故障信号,并实时采集动力电池组的电流电压数据;
步骤3,选用斯皮尔曼相关性系数对电压序列进行相关性分析;
步骤4:引入双动态滑动窗口方法,与斯皮尔曼相关性系数进行电池故障的实时监测,实现故障诊断;
步骤3中,选用斯皮尔曼相关性系数,设(X1,Y1),(X2,Y2),(X3,Y3)相互独立,且与(X,Y)具有相同分布的二维随机向量,则X与Y的斯皮尔曼秩相关系数如下:
ρs=3{P((X1-X2)(Y1-Y3)>0)-P((X1-X2)(Y1-Y3)<0)}
设(Xi,Yi),(Xi,Yi),i=1,2,…,n为取自总体(X,Y)的样本,用Ri表示Xi在(X1,X2,…,Xn)中的秩,用Qi表示Yi在(Y1,Y2,…,Yn)中的秩,则样本的斯皮尔曼相关性系数为:
其中,
步骤4中,每经过一个采集周期,对周期内电流进行微分并与上一周期电流微分结果进行对比,以实时变换滑动窗口W1,再利用相关性系数对窗口内的电压数据进行相关性分析,分析结果与设定阈值1进行比较,相关性结果大于阈值1,则输出结果;若相关性结果小于阈值1,则预警,并将BMS实时采集的数据输入到滑动窗口W2进行相关性计算;若相关性结果大于阈值2,则输出结果;若相关性结果小于阈值2,则预警,并继续有滑动窗口W2进行计算。
2.根据权利要求1所述的一种动力电池组故障诊断方法,其特征在于,当滑窗W1监测到故障信号时,启用滑动窗口W2,W2的宽度=10,此时,BMS采集到的数据直接输入W2进行计算,当计算结果小于设定阈值时,BMS发出预警信号。
3.一种动力电池组故障诊断系统,其特征在于,基于权利要求1-2任意一项所述的一种动力电池组故障诊断方法,包括:
工况模拟模块,用于通过实验装置,对动力电池组在不同工况下进行充放电循环,以模拟实际工况;
采集模块,用于分别在电池组SOC位于90%、80%、70%、60%和50%时,通过外接工况信号加入故障信号,并实时采集动力电池组的电流电压数据;
相关性分析模块,用于选用斯皮尔曼相关性系数对电压序列进行相关性分析;
诊断模块,用于引入双动态滑动窗口方法,与斯皮尔曼相关性系数进行电池故障的实时监测,实现故障诊断;
选用斯皮尔曼相关性系数,设(X1,Y1),(X2,Y2),(X3,Y3)相互独立,且与(X,Y)具有相同分布的二维随机向量,则X与Y的斯皮尔曼秩相关系数如下:
ρs=3{P((X1-X2)(Y1-Y3)>0)-P((X1-X2)(Y1-Y3)<0)}
设(Xi,Yi),(Xi,Yi),i=1,2,…,n为取自总体(X,Y)的样本,用Ri表示Xi在(X1,X2,…,Xn)中的秩,用Qi表示Yi在(Y1,Y2,…,Yn)中的秩,则样本的斯皮尔曼相关性系数为:
其中,
每经过一个采集周期,对周期内电流进行微分并与上一周期电流微分结果进行对比,以实时变换滑动窗口W1,再利用相关性系数对窗口内的电压数据进行相关性分析,分析结果与设定阈值1进行比较,相关性结果大于阈值1,则输出结果;若相关性结果小于阈值1,则预警,并将BMS实时采集的数据输入到滑动窗口W2进行相关性计算;若相关性结果大于阈值2,则输出结果;若相关性结果小于阈值2,则预警,并继续有滑动窗口W2进行计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111322844.4A CN114236409B (zh) | 2021-11-09 | 2021-11-09 | 一种动力电池组故障诊断装置及方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111322844.4A CN114236409B (zh) | 2021-11-09 | 2021-11-09 | 一种动力电池组故障诊断装置及方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114236409A CN114236409A (zh) | 2022-03-25 |
CN114236409B true CN114236409B (zh) | 2024-01-19 |
Family
ID=80748955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111322844.4A Active CN114236409B (zh) | 2021-11-09 | 2021-11-09 | 一种动力电池组故障诊断装置及方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114236409B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117150269B (zh) * | 2023-09-04 | 2024-06-07 | 淮阴师范学院 | 一种基于数据分析的电气设备运行异常诊断系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310093A (zh) * | 2013-04-19 | 2013-09-18 | 中国航天标准化研究所 | 一种基于相关性回归分析的卫星太阳能电池阵故障数据提取方法 |
CN207008030U (zh) * | 2017-05-10 | 2018-02-13 | 怀化顺达新能源汽车技术有限公司 | 一种用于动力锂电池过充过放短路测试的防爆装置 |
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 |
CN111366848A (zh) * | 2019-12-31 | 2020-07-03 | 安徽师范大学 | 一种基于pso-elm算法的电池健康状态预测方法 |
CN111443294A (zh) * | 2020-04-10 | 2020-07-24 | 华东理工大学 | 一种锂离子电池剩余寿命间接预测方法及装置 |
WO2021049800A1 (ko) * | 2019-09-11 | 2021-03-18 | 삼성전자 주식회사 | 배터리 이상 상태를 진단하기 위한 방법, 이를 위한 전자 장치 및 저장 매체 |
CN112731159A (zh) * | 2020-12-23 | 2021-04-30 | 江苏省电力试验研究院有限公司 | 一种储能电站电池舱电池故障预判及定位的方法 |
CN113343633A (zh) * | 2021-06-10 | 2021-09-03 | 上海交通大学 | 动力锂电池热失控故障分类及风险预测方法、系统 |
-
2021
- 2021-11-09 CN CN202111322844.4A patent/CN114236409B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310093A (zh) * | 2013-04-19 | 2013-09-18 | 中国航天标准化研究所 | 一种基于相关性回归分析的卫星太阳能电池阵故障数据提取方法 |
CN207008030U (zh) * | 2017-05-10 | 2018-02-13 | 怀化顺达新能源汽车技术有限公司 | 一种用于动力锂电池过充过放短路测试的防爆装置 |
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 |
WO2021049800A1 (ko) * | 2019-09-11 | 2021-03-18 | 삼성전자 주식회사 | 배터리 이상 상태를 진단하기 위한 방법, 이를 위한 전자 장치 및 저장 매체 |
CN111366848A (zh) * | 2019-12-31 | 2020-07-03 | 安徽师范大学 | 一种基于pso-elm算法的电池健康状态预测方法 |
CN111443294A (zh) * | 2020-04-10 | 2020-07-24 | 华东理工大学 | 一种锂离子电池剩余寿命间接预测方法及装置 |
CN112731159A (zh) * | 2020-12-23 | 2021-04-30 | 江苏省电力试验研究院有限公司 | 一种储能电站电池舱电池故障预判及定位的方法 |
CN113343633A (zh) * | 2021-06-10 | 2021-09-03 | 上海交通大学 | 动力锂电池热失控故障分类及风险预测方法、系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114236409A (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yao et al. | Fault detection of the connection of lithium-ion power batteries based on entropy for electric vehicles | |
CN110161414A (zh) | 一种动力电池热失控在线预测方法及系统 | |
CN112092675A (zh) | 一种电池热失控预警方法、系统及服务器 | |
CN111146514B (zh) | 锂离子电池模组运行安全性评估预测方法、系统及电子设备 | |
CN107843853A (zh) | 一种动力电池组串联连接故障诊断方法 | |
Chang et al. | Electric vehicle battery pack micro-short circuit fault diagnosis based on charging voltage ranking evolution | |
CN113687234B (zh) | 电池异常识别方法、装置、设备、介质及程序产品 | |
Zheng et al. | Recording frequency optimization for massive battery data storage in battery management systems | |
CN115327386B (zh) | 一种基于电热耦合模型的电池组多故障诊断方法 | |
Ma et al. | Faulty characteristics and identification of increased connecting and internal resistance in parallel-connected lithium-ion battery pack for electric vehicles | |
Allam et al. | Battery health management system for automotive applications: A retroactivity-based aging propagation study | |
CN112034347A (zh) | 一种锂离子电池热失控快速监测方法及系统 | |
CN114236409B (zh) | 一种动力电池组故障诊断装置及方法及系统 | |
CN115166555B (zh) | 一种电池大数据平台电池模块内阻异常识别方法及系统 | |
CN115958957B (zh) | 一种电动汽车动力电池充电过热故障预测方法及系统 | |
CN115616428A (zh) | 一种“充—检”一体电动汽车电池状态检测与评价方法 | |
CN113687251A (zh) | 一种基于双模型的锂离子电池组电压异常故障诊断方法 | |
Zhou et al. | Lithium-ion battery cell open circuit fault diagnostics: Methods, analysis, and comparison | |
CN111537893A (zh) | 一种锂离子电池模组运行安全的评测方法、系统及电子设备 | |
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 | |
CN117825975A (zh) | 基于数据驱动的锂离子电池soh评估方法及系统 | |
Kulkarni et al. | Li-ion battery digital twin based on online impedance estimation | |
CN116930764A (zh) | 融合电力电子的锂电池储能系统故障诊断和危险预测方法 | |
CN216411516U (zh) | 锂电池和模组的析锂检测装置 | |
CN114924192A (zh) | 基于神经网络的并联电池组安全预警方法 |
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 |