CN114264968A - 基于电压增速异常特征的电池早期加速衰竭故障诊断方法及系统 - Google Patents
基于电压增速异常特征的电池早期加速衰竭故障诊断方法及系统 Download PDFInfo
- Publication number
- CN114264968A CN114264968A CN202111527540.1A CN202111527540A CN114264968A CN 114264968 A CN114264968 A CN 114264968A CN 202111527540 A CN202111527540 A CN 202111527540A CN 114264968 A CN114264968 A CN 114264968A
- Authority
- CN
- China
- Prior art keywords
- voltage
- battery
- early
- preset
- fault
- 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
- 238000000034 method Methods 0.000 title claims abstract description 76
- 230000001133 acceleration Effects 0.000 title claims abstract description 50
- 238000003745 diagnosis Methods 0.000 title claims abstract description 34
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 25
- 238000007600 charging Methods 0.000 claims abstract description 35
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000005070 sampling Methods 0.000 claims description 16
- 238000009499 grossing Methods 0.000 claims description 14
- 230000005856 abnormality Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 238000010277 constant-current charging Methods 0.000 description 9
- 230000000630 rising effect Effects 0.000 description 6
- 238000004146 energy storage Methods 0.000 description 4
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 229910013465 LiC12 Inorganic materials 0.000 description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 229910052744 lithium Inorganic materials 0.000 description 3
- 229910013458 LiC6 Inorganic materials 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910052493 LiFePO4 Inorganic materials 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003795 desorption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 239000010439 graphite Substances 0.000 description 1
- 229910002804 graphite Inorganic materials 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009830 intercalation Methods 0.000 description 1
- 230000002687 intercalation Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 239000007773 negative electrode material Substances 0.000 description 1
- 239000007774 positive electrode material Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Landscapes
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种基于电压增速异常特征的电池早期加速衰竭故障诊断方法及系统，其中，该方法包括：建立早期加速衰竭故障特征；对预设退役电池恒流充电至电池上限截止电压，确定Back‑end电压区域；采用三阶样条插值法结合最小二乘法对Back‑end电压区域进行平滑滤波处理，得到平滑Back‑end电压区域，并求解预设数量的平滑Back‑end区域电压内的故障特征数值，再分别与预设阈值进行比较，若所有数值均小于预设故障特征阈值，则预设退役电池发生早期加速衰竭故障，反之则未发生。该方法实现了退役电池加速衰竭故障的快速诊断，有效避免了传统诊断方法对历史运行数据的依赖，降低了退役电池梯次利用阶段的安全隐患。
Description
技术领域
本发明涉及电池健康状态技术领域，特别涉及一种基于电压增速异常特征的电池早期加速衰竭故障诊断方法及系统。
背景技术
电动汽车用电池在长期车载使用阶段由于电池单体性能不一致性、严苛的使用环境或是经历碰撞、挤压，均会使电池发生故障。其中，过充电及过放电会引起电池加速衰竭故障，而当故障严重到一定程度后会引发电池内短路，进而引发热失控。早期故障状态一般不会引起电池性能的明显衰退，因此不易被检测和诊断。对于退役电池梯次利用，如果具有早期加速衰竭故障的退役电池未被提前诊断，将存在早期加速衰竭故障的退役电池与其它“健康”电池按照某一特定分组依据组合在一起，则带有加速衰竭故障的电池性能会加速衰退，甚至会引发整组电池的安全事故。由于电动汽车退役电池缺乏车载历史运行数据或数据缺失，同时车载动力电池性能衰退机理复杂，使现有诊断方法无法获取表征加速衰竭故障的故障特征变化规律，对电动汽车退役电池的早期加速衰竭故障诊断技术带来了挑战；此外，由于早期加速衰竭故障不会对电池性能造成明显的影响，因此难以通过经验阈值进行有效诊断，以上给诊断缺乏车载历史运行数据的退役电池的加速衰竭故障造成了难度。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的一个目的在于提出一种基于电压增速异常特征的电池早期加速衰竭故障诊断方法，该方法实现了对电动汽车退役电池加速衰竭故障的快速诊断。
本发明的另一个目的在于提出一种基于电压增速异常特征的电池早期加速衰竭故障诊断系统。
为达到上述目的，本发明一方面实施例提出了基于电压增速异常特征的电池早期加速衰竭故障诊断方法，包括以下步骤：步骤S1，建立早期加速衰竭故障特征；步骤S2，对预设退役电池恒流充电至电池上限截止电压，确定Back-end电压区域；步骤S3，采用三阶样条插值法结合最小二乘法对所述Back-end电压区域进行平滑滤波处理，得到平滑Back-end电压区域；步骤S4，根据所述平滑Back-end电压区域求解所述Back-end区域电压的预设数量的平滑Back-end区域电压内的故障特征数值；步骤S5，将所述预设数量的平滑Back-end区域电压内的故障特征数值分别与预设故障特征阈值进行比较，若所有数值均小于所述预设故障特征阈值，则所述预设退役电池发生早期加速衰竭故障，反之则所述预设退役电池未发生早期加速衰竭故障。
本发明实施例的基于电压增速异常特征的电池早期加速衰竭故障诊断方法，基于电池充电过程中Back-end区域电压的异常增速变化，建立用于诊断早期加速衰竭故障的故障特征，且在不依赖任何车载历史运行数据，同时仅基于恒流充电条件下，实现对电动汽车退役电池加速衰竭故障的快速诊断，有效避免了传统诊断方法对历史运行数据的依赖，降低了退役电池梯次利用阶段的安全隐患，对电池组合高效储能及退役电池安全可靠运行具有重要意义。
另外，根据本发明上述实施例的基于电压增速异常特征的电池早期加速衰竭故障诊断方法还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，所述早期加速衰竭故障特征为：
其中，κ为早期加速衰竭故障特征，Ut为电池端电压，t为时间。
进一步地，在本发明的一个实施例中，所述步骤S2具体包括：步骤S201，对所述预设退役电池恒流充电至电池上限截止电压，获取充电电压曲线；步骤S202，根据所述充电电压曲线计算所述Back-end电压区域的起始点，将所述起始点和所述电池上限截止电压之间的区域作为所述Back-end电压区域。
进一步地，在本发明的一个实施例中，所述步骤S202中计算所述Back-end电压区域的起始点具体为：
Ut＝Up-Un+IL·Rohm
其中，Ut为电池端电压，Up为正极电势，Un为负极电势，IL为负载电流，Rohm为欧姆内阻。
进一步地，在本发明的一个实施例中，所述步骤S3具体为：步骤S301，利用三阶样条插值法对所述Back-end电压区域等时间间隔进行数据采集，并在采样点上增加预设倍数采样点，得到新数据区间；步骤S302，利用最小二乘法对所述Back-end电压区域的新数据区间进行拟合，得到所述平滑Back-end电压区域。
为达到上述目的，本发明另一方面实施例提出了基于电压增速异常特征的电池早期加速衰竭故障诊断系统，包括：构建模块，用于建立早期加速衰竭故障特征；确定模块，用于对预设退役电池恒流充电至电池上限截止电压，确定Back-end电压区域；平滑滤波模块，用于采用三阶样条插值法结合最小二乘法对所述Back-end电压区域进行平滑滤波处理，得到平滑Back-end电压区域；求解模块，用于根据所述平滑Back-end电压区域求解所述Back-end区域电压的预设数量的平滑Back-end区域电压内的故障特征数值；判断模块，用于将所述预设数量的平滑Back-end区域电压内的故障特征数值分别与预设故障特征阈值进行比较，若所有数值均小于所述预设故障特征阈值，则所述预设退役电池发生早期加速衰竭故障，反之则所述预设退役电池未发生早期加速衰竭故障。
本发明实施例的基于电压增速异常特征的电池早期加速衰竭故障诊断系统，基于电池充电过程中Back-end区域电压的异常增速变化，建立用于诊断早期加速衰竭故障的故障特征，且在不依赖任何车载历史运行数据，同时仅基于恒流充电条件下，实现对电动汽车退役电池加速衰竭故障的快速诊断，有效避免了传统诊断方法对历史运行数据的依赖，降低了退役电池梯次利用阶段的安全隐患，对电池组合高效储能及退役电池安全可靠运行具有重要意义。
另外，根据本发明上述实施例的基于电压增速异常特征的电池早期加速衰竭故障诊断系统还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，所述早期加速衰竭故障特征为：
其中，κ为早期加速衰竭故障特征，Ut为电池端电压，t为时间。
进一步地，在本发明的一个实施例中，所述确定模块具体包括：获取单元，用于对所述预设退役电池恒流充电至电池上限截止电压，获取充电电压曲线；计算单元，用于根据所述充电电压曲线计算所述Back-end电压区域的起始点，将所述起始点和所述电池上限截止电压之间的区域作为所述Back-end电压区域。
进一步地，在本发明的一个实施例中，计算所述Back-end电压区域的起始点具体为：
Ut＝Up-Un+IL·Rohm
其中，Ut为电池端电压，Up为正极电势，Un为负极电势，IL为负载电流，Rohm为欧姆内阻。
进一步地，在本发明的一个实施例中，所述平滑滤波模块具体为：采集扩展单元，用于利用三阶样条插值法对所述Back-end电压区域等时间间隔进行数据采集，并在采样点上增加预设倍数采样点，得到新数据区间；拟合单元，用于利用最小二乘法对所述Back-end电压区域的新数据区间进行拟合，得到所述平滑Back-end电压区域。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明一个实施例的基于电压增速异常特征的电池早期加速衰竭故障诊断方法的流程图；
图2是本发明一个实施例的电池充电电压组成示意图；
图3是本发明一个实施例的正负极电势曲线图；
图4是本发明一个实施例的早期加速衰竭故障诊断流程图；
图5是本发明一个实施例的基于电压增速异常特征的电池早期加速衰竭故障诊断系统的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的基于电压增速异常特征的电池早期加速衰竭故障诊断方法及系统，首先将参照附图描述根据本发明实施例提出的基于电压增速异常特征的电池早期加速衰竭故障诊断方法。
图1是本发明一个实施例的基于电压增速异常特征的电池早期加速衰竭故障诊断方法的流程图。
如图1所示，该基于电压增速异常特征的电池早期加速衰竭故障诊断方法包括以下步骤：
在步骤S1中，建立早期加速衰竭故障特征。
可以理解的是，由于退役电池在检测时仅能提供电压、电流测试数据曲线，同时电池电压对电池性能的变化具有高敏感性，因此本发明实施例将通过分析电池电压曲线的异常变化来建立故障特征以诊断早期加速衰竭故障。
具体地，电池端电压等于正极电势Up与负极电势Un之差，再减去由电池内阻引起的过电势。对于磷酸铁锂电池，电池的充电上限电压由正极控制，因此电池的电压在快接近充满阶段时呈现较陡的上升趋势；电池的下限截止电压由负极控制，因此在靠近下限截止电压的区域呈现较陡的下降趋势。将充电电压曲线靠近下限截止电压的区域定义为Forward-end电压区域，将靠近上限截止电压的区域定义为Back-end电压区域，将Forward-end与Back-end中间电压区域定义为过渡区域，如图2所示。
通过对电池加速衰竭故障机理分析发现，在早期加速故障状态时，Forward-end区域电压变化趋势较小，Back-end区域电压的增速趋势会发生变化，尤其随着故障严重程度的加深，Back-end区域电压陡峭的增速趋势几乎消失，越来越接近均匀的线性上升。对于Forward-end与Back-end中间的电压区域，尽管由于电池内阻的增大提高了电压平台，但总体上仍然呈现较为平坦的电压趋势。因此，恒流充电过程中Back-end区域电压的陡升趋势减弱这一特性可以作为判定早期加速衰竭故障的有力依据。因此本发明实施例选择Back-end区域电压的二阶导数来反应电压上升的速率变化趋势，作为诊断加速衰竭故障的故障特征，具体如下：
其中，κ为早期加速衰竭故障特征，Ut为电池端电压，t为时间。
在步骤S2中，对预设退役电池恒流充电至电池上限截止电压，确定Back-end电压区域。
进一步地，在本发明的一个实施例中，步骤S2具体包括：
步骤S201，对预设退役电池恒流充电至电池上限截止电压，获取充电电压曲线；
步骤S202，根据充电电压曲线计算Back-end电压区域的起始点，将起始点和电池上限截止电压之间的区域作为Back-end电压区域。
具体地，先对故障特征区域起始电压进行界定，为了界定充电过程中电池的Back-end区间，需要获取Back-end区间起始电压值，对于磷酸铁锂电池，其正极活性材料在整个脱嵌锂的过程中仅经历了一个相变过程(FePO4-LiFePO4)，因此正极电势曲线仅呈现一个电势平台。而负极活性材料(石墨)在整个脱嵌锂的过程中会经历5次相变过程，因此负极电势曲线会呈现五个电势平台，其中以LiC6-LiC12及LiC12-LiC18这两个两相共存阶段呈现的电势平台最为明显，如图3中平台I及平台II所示。由于Back-end区域电压形状的变化对应的是电势曲线中平台I变化，因此在充电过程中，确定电池到达负极电势平台I对应的电池电压即可作为Back-end电压区间的起点，终点则为充电终止电压。负极电势平台I是由LiC12和LiC6组成，LiC12从LiC6中获取锂并与其呈现两相共存的电势平台为85mV。在充电过程中，当电池负极电势到达平台I时，所对应的正极电势还处于电压平台阶段，磷酸铁锂电池正极电势平台通常为3.43V，因此可以利用公式(2)计算得到Back-end区域电压的起始点。
Ut＝Up-Un+IL·Rohm (2)
其中，Ut为电池端电压，Up为正极电势，Un为负极电势，IL为负载电流，Rohm为欧姆内阻。
然后再对故障特征曲线数据进行拟合，为了得到平滑的Back-end区域电压曲线，以更加可靠的计算故障特征κ，本发明实施例采用三阶样条插值法结合最小二乘法(SplineLeast Squares Method，SLSM)对采集到的电压数据进行平滑滤波处理，其中三阶样条插值作为最常用的样条插值函数，用来初步拟合采集到的电压数据点，该方法基于自变量区间从局部触发，可以很好的保留原始数据的细节部分，不会改变电压测试值的真实变化趋势；最小二乘法作为最常用的曲线拟合法，用来将三阶样条插值得到的分段电压曲线平滑的连接起来，保证数据拟合整体平滑性的同时，简化拟合表达式的复杂度。
其中，利用三阶SLSM平滑Back-end电压数据的方法如下：
定义三次样条函数S(t)，S(t)∈C2[a,b]。其中，[a,b]代表Back-end电压区间，a是Back-end电压区间的起始时间点，b是Back-end电压区间的终止时间点。充电电压按照等时间间隔进行数据采集，可将区间[a,b]划分为：
a＝t0<t1<L<tj<tj+1L<tn＝b (j＝0,1,L n) (3)
式中，n为Back-end电压区间长度，j为采样数据点，t为采样时间(s)。
于是，电压采样值Ut,j可以写成：
Ut,j＝S(t) (4)
将Ut,j记作fj基于三次样条插值法，S(t)在子区间[tj-1,tj]的表达式为：
公式(5)中，hj+1与mj的计算方式如下：
hj+1＝tj+1-tj (6)
mj＝S'(tj) (7)
为了保证函数S(t)在[a,b]区间上的连续性，需要满足以下两个连续性条件：
S'(tj+0)＝S'(xj-0)＝mj,j＝1,2,…，n-1 (8)
S”(tj+0)＝S”(xj-0) (9)
此外，为了求解所有系数mj的值，还需要补充两个边界条件：
m0＝f'0,mn＝f'n (10)
s”(a)＝f”0,s”(b)＝f”n (11)
利用公式(8)-(11)，可求得待定系数mj，然后代入到公式(5)中可得到S(t)的表达式。
基于得到的S(t)表达式，将每个子区间[tj-1,tj]进行十等分，使在原有采样点的基础上增加了10倍的采样点，可以使Back-end电压采集数据曲线更加平滑，并将新得到的数据区间记作[a*,b*]。
由于S(t)是区间[a,b]的分段函数，将原始数据分段进行局部平滑。为了降低求解故障特征κ的计算量同时简化模型形式，在保证曲线整体平滑性不变的前提下，将Back-end区域电压的测试数据点[a*,b*]做最小二乘拟合，最终获得平滑的Back-end电压。
在步骤S3中，采用三阶样条插值法结合最小二乘法对Back-end电压区域进行平滑滤波处理，得到平滑Back-end电压区域。
进一步地，在本发明的一个实施例中，步骤S3具体为：
步骤S301，利用三阶样条插值法对Back-end电压区域等时间间隔进行数据采集，并在采样点上增加预设倍数采样点，得到新数据区间；
步骤S302，利用最小二乘法对Back-end电压区域的新数据区间进行拟合，得到平滑Back-end电压区域。
在步骤S4中，根据平滑Back-end电压区域求解Back-end区域电压的预设数量的平滑Back-end区域电压内的故障特征数值。
在步骤S5中，将预设数量的平滑Back-end区域电压内的故障特征数值分别与预设故障特征阈值进行比较，若所有数值均小于预设故障特征阈值，则预设退役电池发生早期加速衰竭故障，反之则预设退役电池未发生早期加速衰竭故障。
需要说明的是，由于本发明实施例是在1C恒流充电工况下对由早期加速衰竭故障引起的电压增速趋势进行分析，因此可以采用1C恒流充电测试数据计算得到的故障特征结果设定故障特征阈值。
也就是说，早期加速衰竭故障诊断的关键环节是利用Back-end区域电压异常变化计算故障特征。具体地，由于具有加速衰竭故障的电池Back-end区域电压陡升现象不再明显，甚至接近线性变化，本发明实施例通过预设故障特征阈值来判定Back-end区域电压曲线增速趋势，将计算后小于阈值的故障特征值记为零，若Back-end区域电压内故障特征值全部为零，则认为此时Back-end区域电压曲线上升趋势变缓。当Back-end区域电压内故障特征计算结果全部为零时，认为退役电池存在早期加速衰竭故障。
举例而言，如图4所示，对退役电池进行恒流充电至电池上限截止电压，同时确定Back-end区域电压；之后利用三阶SLSM方法对Back-end区域电压进行平滑滤波处理；基于平滑滤波后的Back-end电压数据计算多个加速衰竭故障特征的数值；再根据计算的故障特征结果来做判断，如果Back-end区域内计算得到的故障特征数值全部为零，则认为此时电池已经具有加速衰竭故障，如果不是全为零，退役电池可以继续进行其它故障的检测。
根据本发明实施例提出的基于电压增速异常特征的电池早期加速衰竭故障诊断方法，基于电池充电过程中Back-end区域电压的异常增速变化，建立用于诊断早期加速衰竭故障的故障特征，且在不依赖任何车载历史运行数据，同时仅基于恒流充电条件下，实现对电动汽车退役电池加速衰竭故障的快速诊断，有效避免了传统诊断方法对历史运行数据的依赖，降低了退役电池梯次利用阶段的安全隐患，对电池组合高效储能及退役电池安全可靠运行具有重要意义。
其次参照附图描述根据本发明实施例提出的基于电压增速异常特征的电池早期加速衰竭故障诊断系统。
图5是本发明一个实施例的基于电压增速异常特征的电池早期加速衰竭故障诊断系统的结构示意图。
如图5所示，该系统10包括：构建模块100、确定模块200、平滑滤波模块300、求解模块400和判断模块500。
其中，构建模块100用于建立早期加速衰竭故障特征。确定模块200用于对预设退役电池恒流充电至电池上限截止电压，确定Back-end电压区域。平滑滤波模块300用于采用三阶样条插值法结合最小二乘法对Back-end电压区域进行平滑滤波处理，得到平滑Back-end电压区域。求解模块400用于根据平滑Back-end电压区域求解Back-end区域电压的预设数量的平滑Back-end区域电压内的故障特征数值。判断模块500用于将预设数量的平滑Back-end区域电压内的故障特征数值分别与预设故障特征阈值进行比较，若所有数值均小于预设故障特征阈值，则预设退役电池发生早期加速衰竭故障，反之则预设退役电池未发生早期加速衰竭故障。
进一步地，在本发明的一个实施例中，早期加速衰竭故障特征为：
其中，κ为早期加速衰竭故障特征，Ut为电池端电压，t为时间。
进一步地，在本发明的一个实施例中，确定模块具体包括：获取单元，用于对预设退役电池恒流充电至电池上限截止电压，获取充电电压曲线；计算单元，用于根据充电电压曲线计算Back-end电压区域的起始点，将起始点和电池上限截止电压之间的区域作为Back-end电压区域。
进一步地，在本发明的一个实施例中，计算Back-end电压区域的起始点具体为：
Ut＝Up-Un+IL·Rohm
其中，Ut为电池端电压，Up为正极电势，Un为负极电势，IL为负载电流，Rohm为欧姆内阻。
进一步地，在本发明的一个实施例中，平滑滤波模块具体为：采集扩展单元，用于利用三阶样条插值法对Back-end电压区域等时间间隔进行数据采集，并在采样点上增加预设倍数采样点，得到新数据区间；拟合单元，用于利用最小二乘法对Back-end电压区域的新数据区间进行拟合，得到平滑Back-end电压区域。
需要说明的是，前述对基于电压增速异常特征的电池早期加速衰竭故障诊断方法实施例的解释说明也适用于该实施例的系统，此处不再赘述。
根据本发明实施例提出的基于电压增速异常特征的电池早期加速衰竭故障诊断系统，基于电池充电过程中Back-end区域电压的异常增速变化，建立用于诊断早期加速衰竭故障的故障特征，且在不依赖任何车载历史运行数据，同时仅基于恒流充电条件下，实现对电动汽车退役电池加速衰竭故障的快速诊断，有效避免了传统诊断方法对历史运行数据的依赖，降低了退役电池梯次利用阶段的安全隐患，对电池组合高效储能及退役电池安全可靠运行具有重要意义。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于电压增速异常特征的电池早期加速衰竭故障诊断方法，其特征在于，包括以下步骤：
步骤S1，建立早期加速衰竭故障特征；
步骤S2，对预设退役电池恒流充电至电池上限截止电压，确定Back-end电压区域；
步骤S3，采用三阶样条插值法结合最小二乘法对所述Back-end电压区域进行平滑滤波处理，得到平滑Back-end电压区域；
步骤S4，根据所述平滑Back-end电压区域求解预设数量的平滑Back-end区域电压内的故障特征数值；
步骤S5，将所述预设数量的平滑Back-end区域电压内的故障特征数值分别与预设故障特征阈值进行比较，若所有数值均小于所述预设故障特征阈值，则所述预设退役电池发生早期加速衰竭故障，反之则所述预设退役电池未发生早期加速衰竭故障。
2.根据权利要求1所述的基于电压增速异常特征的电池早期加速衰竭故障诊断方法，其特征在于，所述早期加速衰竭故障特征为：
其中，κ为早期加速衰竭故障特征，Ut为电池端电压，t为时间。
3.根据权利要求1所述的基于电压增速异常特征的电池早期加速衰竭故障诊断方法，其特征在于，所述步骤S2具体包括：
步骤S201，对所述预设退役电池恒流充电至电池上限截止电压，获取充电电压曲线；
步骤S202，根据所述充电电压曲线计算所述Back-end电压区域的起始点，将所述起始点和所述电池上限截止电压之间的区域作为所述Back-end电压区域。
4.根据权利要求3所述的基于电压增速异常特征的电池早期加速衰竭故障诊断方法，其特征在于，所述步骤S202中计算所述Back-end电压区域的起始点具体为：
Ut＝Up-Un+IL·Rohm
其中，Ut为电池端电压，Up为正极电势，Un为负极电势，IL为负载电流，Rohm为欧姆内阻。
5.根据权利要求1所述的基于电压增速异常特征的电池早期加速衰竭故障诊断方法，其特征在于，所述步骤S3具体为：
步骤S301，利用三阶样条插值法对所述Back-end电压区域等时间间隔进行数据采集，并在采样点上增加预设倍数采样点，得到新数据区间；
步骤S302，利用最小二乘法对所述Back-end电压区域的新数据区间进行拟合，得到所述平滑Back-end电压区域。
6.一种基于电压增速异常特征的电池早期加速衰竭故障诊断系统，其特征在于，包括：
构建模块，用于建立早期加速衰竭故障特征；
确定模块，用于对预设退役电池恒流充电至电池上限截止电压，确定Back-end电压区域；
平滑滤波模块，用于采用三阶样条插值法结合最小二乘法对所述Back-end电压区域进行平滑滤波处理，得到平滑Back-end电压区域；
求解模块，用于根据所述平滑Back-end电压区域求解预设数量的平滑Back-end区域电压内的故障特征数值；
判断模块，用于将所述预设数量的平滑Back-end区域电压内的故障特征数值分别与预设故障特征阈值进行比较，若所有数值均小于所述预设故障特征阈值，则所述预设退役电池发生早期加速衰竭故障，反之则所述预设退役电池未发生早期加速衰竭故障。
7.根据权利要求6所述的基于电压增速异常特征的电池早期加速衰竭故障诊断系统，其特征在于，所述早期加速衰竭故障特征为：
其中，κ为早期加速衰竭故障特征，Ut为电池端电压，t为时间。
8.根据权利要求6所述的基于电压增速异常特征的电池早期加速衰竭故障诊断系统，其特征在于，所述确定模块具体包括：
获取单元，用于对所述预设退役电池恒流充电至电池上限截止电压，获取充电电压曲线；
计算单元，用于根据所述充电电压曲线计算所述Back-end电压区域的起始点，将所述起始点和所述电池上限截止电压之间的区域作为所述Back-end电压区域。
9.根据权利要求8所述的基于电压增速异常特征的电池早期加速衰竭故障诊断系统，其特征在于，计算所述Back-end电压区域的起始点具体为：
Ut＝Up-Un+IL·Rohm
其中，Ut为电池端电压，Up为正极电势，Un为负极电势，IL为负载电流，Rohm为欧姆内阻。
10.根据权利要求6所述的基于电压增速异常特征的电池早期加速衰竭故障诊断系统，其特征在于，所述平滑滤波模块具体为：
采集扩展单元，用于利用三阶样条插值法对所述Back-end电压区域等时间间隔进行数据采集，并在采样点上增加预设倍数采样点，得到新数据区间；
拟合单元，用于利用最小二乘法对所述Back-end电压区域的新数据区间进行拟合，得到所述平滑Back-end电压区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111527540.1A CN114264968A (zh) | 2021-12-14 | 2021-12-14 | 基于电压增速异常特征的电池早期加速衰竭故障诊断方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111527540.1A CN114264968A (zh) | 2021-12-14 | 2021-12-14 | 基于电压增速异常特征的电池早期加速衰竭故障诊断方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114264968A true CN114264968A (zh) | 2022-04-01 |
Family
ID=80827055
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111527540.1A Pending CN114264968A (zh) | 2021-12-14 | 2021-12-14 | 基于电压增速异常特征的电池早期加速衰竭故障诊断方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114264968A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115327420A (zh) * | 2022-08-12 | 2022-11-11 | 哈尔滨工业大学 | 基于部分充电电压的退役电池余能快速准确估计方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109031138A (zh) * | 2018-06-29 | 2018-12-18 | 上海科列新能源技术有限公司 | 一种动力电池的安全评估方法和装置 |
| 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 |
| CN110794316A (zh) * | 2019-10-24 | 2020-02-14 | 国网内蒙古东部电力有限公司电力科学研究院 | 一种梯次利用三元动力电池“跳水”故障的辨识预判方法 |
| CN112014745A (zh) * | 2020-08-27 | 2020-12-01 | 洛阳理工学院 | 一种针对动力电池的三级故障诊断方法 |
| CN113283632A (zh) * | 2021-04-13 | 2021-08-20 | 湖南大学 | 一种电池早期故障预警方法、系统、装置及存储介质 |
-
2021
- 2021-12-14 CN CN202111527540.1A patent/CN114264968A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109031138A (zh) * | 2018-06-29 | 2018-12-18 | 上海科列新能源技术有限公司 | 一种动力电池的安全评估方法和装置 |
| 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 |
| CN110794316A (zh) * | 2019-10-24 | 2020-02-14 | 国网内蒙古东部电力有限公司电力科学研究院 | 一种梯次利用三元动力电池“跳水”故障的辨识预判方法 |
| CN112014745A (zh) * | 2020-08-27 | 2020-12-01 | 洛阳理工学院 | 一种针对动力电池的三级故障诊断方法 |
| CN113283632A (zh) * | 2021-04-13 | 2021-08-20 | 湖南大学 | 一种电池早期故障预警方法、系统、装置及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 徐佳宁: ""基于特征提取的退役电池健康状态快速评价方法研究"", 《万方学位论文》, 2 December 2021 (2021-12-02), pages 40 - 53 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115327420A (zh) * | 2022-08-12 | 2022-11-11 | 哈尔滨工业大学 | 基于部分充电电压的退役电池余能快速准确估计方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110794305B (zh) | 一种动力电池故障诊断方法和系统 | |
| Lai et al. | Electrical behavior of overdischarge-induced internal short circuit in lithium-ion cells | |
| 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 | |
| CN102347517B (zh) | 一种寿命状态自适应型soc估算方法及系统 | |
| CN110888064B (zh) | 一种评估电池系统电芯容量分布区间的算法 | |
| CN103399277A (zh) | 一种动力电池实际容量估算方法 | |
| CN111505532A (zh) | 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 | |
| Wu et al. | Effect of charge rate on capacity degradation of LiFePO4 power battery at low temperature | |
| Panchal et al. | Degradation testing and modeling of 200 ah LiFePO 4 battery | |
| WO2017008846A1 (en) | A method and system for balancing a battery pack | |
| CN114518539A (zh) | 一种动力电池soc异常分析方法 | |
| JP2022545033A (ja) | 電池診断装置および方法 | |
| JP2022539744A (ja) | バッテリー管理装置及び方法 | |
| Pastor-Fernández et al. | A SoH diagnosis and prognosis method to identify and quantify degradation modes in Li-ion batteries using the IC/DV technique | |
| Zhang et al. | An early soft internal short-circuit fault diagnosis method for lithium-ion battery packs in electric vehicles | |
| CN114264968A (zh) | 基于电压增速异常特征的电池早期加速衰竭故障诊断方法及系统 | |
| CN113093015A (zh) | 电池寿命估算方法、装置、电池管理系统、汽车及介质 | |
| CN111308378B (zh) | 基于容量增量曲线的电池组健康状态检测方法及系统 | |
| CN115097319A (zh) | 一种动力电池组故障在线诊断方法及系统 | |
| CN113030758A (zh) | 基于锂离子电池容量跳水点的老化预警方法、系统、汽车及计算机存储介质 | |
| CN114035074B (zh) | 一种诊断磷酸铁锂串联电池组中微短路单体的方法 | |
| CN117719345B (zh) | 一种基于ic曲线考虑老化的电池微短路量化方法 | |
| Cui et al. | Prediction model and principle of end-of-life threshold for lithium ion batteries based on open circuit voltage drifts | |
| CN108535653B (zh) | 一种蓄电池内阻估算方法及装置 | |
| Xu et al. | A fast diagnosis method for accelerated degradation fault induced by overcharging of LiFePO4 batteries |
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 |