CN114325417A - 一种动力电池内短路检测方法 - Google Patents
一种动力电池内短路检测方法 Download PDFInfo
- Publication number
- CN114325417A CN114325417A CN202111578594.0A CN202111578594A CN114325417A CN 114325417 A CN114325417 A CN 114325417A CN 202111578594 A CN202111578594 A CN 202111578594A CN 114325417 A CN114325417 A CN 114325417A
- Authority
- CN
- China
- Prior art keywords
- short circuit
- value
- battery
- characteristic
- parameters
- 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
- 238000001514 detection method Methods 0.000 title claims description 7
- 238000000034 method Methods 0.000 claims abstract description 58
- 230000002159 abnormal effect Effects 0.000 claims abstract description 31
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 230000001960 triggered effect Effects 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000036962 time dependent Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000035945 sensitivity 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]
- G01R31/382—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]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Secondary Cells (AREA)
Abstract
本发明涉及新能源技术领域,具体涉及一种动力电池内短路检测方法,模拟电池在运行过程中内短路触发前后各参数的变化情况;并根据异常值出现时间出现的先后对参数进行排序;通过异常值出现时间和层次分析法,计算各个参数的权重系数,保证计算一致性比例;采集运行过程中的电池参数数据;若某判定特征参数超过设定阈值,则计算该特征参数的风险系数;根据权重系数和风险系数计算电池内短路的风险值;若风险值持续上升,则认定电池出现了内短路;本发明基于特征参数的出现时间计算层次分析法中的权重系数,通过降低特征参数判定阈值达到提前判定的目的;结合在线监测各参数状态,计算特定工况下电池风险值的变化特征,最终判定内短路风险情况。
Description
技术领域
本发明涉及新能源技术领域,具体涉及一种动力电池内短路检测方法。
背景技术
目前,动力电池安全问题中最引人关注的就是电池起火,这种事故具有易触发、多原因、燃烧剧烈等特征。据统计,2014-2019年度新能源汽车起火事故中,有38%的事故是由于电池自燃导致的,位于各种原因之首。而导致动力电池自燃的主要原因就是电池发生了内短路故障,该故障在形成之初不易被察觉,待短路电阻下降到一定程度之后,电池内部会出现瞬间的“电涌”现象,导致短路位置的温度急速升高,引发电池热失控。引发电池发生内短路的原因也很多,例如使用过程中的过充过放、汽车碰撞导致的电池变形、制备过程中的杂质引入等。因此,严格监测动力电池关键参数变化情况,从而实现内短路现象的提前预警,是保障动力电池安全的重要方向。
在已有研究中,许多电池运行参数可以被用作判断内短路的特征值。在GB/T38661-2020中规定了电压、电流、电压差、温度、温差、SOC等参数可以作为判定电池系统故障的参数,此外还有基于基本测量参数计算得出的高阶特征参数,例如专利CN202010456801.4中的驰豫电压特征、专利CN202110125389.2中的增量容量曲线峰值高度、专利CN202110125387.3中的增量容量曲线峰值面积、CN202010988403.7中的初始容量差异等,都可以作为判定电池内部短路的特征值。
现有检测方法大多采用某单一参数做出故障判定,或者采用若干特征参数并判断其是否达到阈值来判定,可能存在误判或者诊断延迟风险。实际上,在内短路出现后,许多特征参数的异常值出现时间,具有一定的先后顺序,但是现有技术中暂未有人通过若干特征参数异常值出现的时间顺序,对电池中内短路故障进行检测。
发明内容
本发明提供了一种动力电池内短路的检测方法,该方法通过识别多个特征参数异常值出现的时间顺序,结合层次分析法和特征参数偏离度计算电池的风险值变化情况,从而更加快速精准的检测电池内部是否已发生了内短路故障。
本发明采用的技术方案为:
一种动力电池内短路检测方法,
模拟电池在运行过程中触发内短路故障,记录内短路触发前后各参数的变化情况;设定各参数的阈值范围,记录内短路触发后各参数达到阈值的时间作为异常值出现时间,并根据异常值出现时间出现的先后对参数进行排序,筛选出部分参数作为特征参数;
通过异常值出现时间和层次分析法,计算各个特征参数的权重系数,保证计算一致性比例CR<0.1;
采集运行过程中的电池参数数据;
若某判定特征参数超过设定阈值,则计算该特征参数的风险系数;
根据权重系数和风险系数计算电池内短路的风险值;
若风险值持续上升或者阶梯上升,则可以认定电池出现了内短路。
优选地,所述模拟电池在运行过程的方式为设计电池内短路代替实验或者建立电池内短路仿真模型中的一种或多种。
优选地,所述参数包括电压、电流、压差、温度、温差、温升速率、SOC、SOH以及内阻。
优选地,筛选出部分参数作为特征参数的筛选过程进一步包括:
将若干个最早出现异常的参数,作为触发判定内短路过程的判定特征参数。
优选地,通过异常值出现时间和层次分析法,计算各个特征参数的权重系数,保证计算一致性比例CR<0.1,进一步包括:
根据异常值出现时间先后,对特征参数进行排序,排列后的特征参数C1、C2、C3…Ci;异常值出现时间t1、t2、t3…ti;
将最后一个异常值出现时间ti至内短路触发时间t0的时间段平均分为N段,标记为从N至1的N个数字;
根据异常值出现时间t所在的区间,给各特征参数分配一个数字,即特征参数C1、C2、C3…Ci的特征数字为M1、M2、M3…Mi;
构建层次分析法的判断矩阵,aij为特征参数i相对与特征参数j的重要性,aij=Mi-Mj+1,同时还应保证aij×aji=1,以及aii=1;
根据上述步骤,通过层级分析法计算各特征参数权重P1、P2、P3…Pi,保证计算一致性比例CR<0.1。
优选地,所述N为9。
优选地,采集运行过程中的电池参数数据进一步包括:
优选地,所述该平均值Lave作为涉及到差值的特征参数的标准值。
优选地,若某判定特征参数超过设定阈值,则计算该特征参数的风险系数,进一步包括:
若出现某个电池的判定特征参数C1超过了设定阈值Lthrehold的情况,启动风险值的计算工作,计算该特征参数相对阈值的偏离度D=(Li-Lthrehold)/Lthrehold,或者认定故障值为1。
优选地,根据权重系数和风险系数计算电池内短路的风险值进一步包括:
所述风险系数Q为偏离度或是故障值。
优选地,模拟并计算不同内短路工况下的特征参数及其权重系数,获得各特征参数的权重系数随内短路阻值变化的分布范围,在实际判定时从该范围内取值进行计算,从而提高该算法的适应性。
本发明的有益效果在于:本发明通过结合前期研究(模拟电池在运行过程中触发内短路后的特征变化)和在线监控(采集运行过程中的电池参数数据)两种方式,首先通过前期研究,基于多参数的出现时间特征计算层次分析法中的权重系数,并且可以适当降低特征参数判定阈值达到提前判定的目的;之后通过在线监测各参数的状态,计算特定工况下电池风险值的变化特征,最终判定内短路的风险情况;本发明对于电池内短路故障的判定准确率高,也可以将内短路的判定时间提前。
附图说明
图1为本发明具体实施方式的一种动力电池内短路检测方法的流程图;
图2为本发明具体实施例一的采用一种动力电池内短路检测方法检测电池风险值随时间的变化曲线;
图3为本发明具体实施例二的采用一种动力电池内短路检测方法检测电池风险值随时间的变化曲线。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
参照图1,一种动力电池内短路检测方法,包括
前期研究过程步骤如下:
步骤11、设计电池内短路代替实验或者建立电池内短路仿真模型,从而可以模拟电池在运行过程中触发内短路后的特征参数变化。
步骤12、记录内短路触发前后各参数的变化情况,包括测量得到的参数:电压、电流、压差、温度、温差、温升速率等,或者模型计算得到的参数:SOC,SOH,内阻等。
步骤13、设定各参数的阈值范围,记录内短路触发后各参数达到阈值的时间作为异常值出现时间,根据异常值出现时间出现的先后对参数进行排序,筛选出合适的参数作为特征参数。可将某一个或某几个最早出现异常的参数,作为触发判定过程的判定特征参数。此外,参数的阈值范围可以参考国家标准和电池管理系统中的相关规定,为了提高判定灵敏性,也可以适当降低各参数的阈值范围。
步骤14、结合异常值出现时间和层次分析法,计算特征参数的权重值,具体如下。根据异常值出现时间先后,对特征参数进行排序,排列后的特征参数C1、C2、C3…Ci异常值出现时间t1、t2、t3…ti,把最后一个异常值出现时间ti到内短路触发时间t0这一时间段平均分为9段,标记为从9-1九个数字。根据异常值出现时间t所在的区间,给各特征参数分配一个数字,即特征参数C1、C2、C3…Ci的特征数字为M1、M2、M3…Mi。构建层次分析法的判断矩阵,aij的意思为特征参数i相对与特征参数j的重要性,aij=Mi-Mj+1,同时还应保证aij×aji=1,以及aii=1。
根据上述步骤,通过层级分析法计算各特征参数权重P1、P2、P3…Pi,保证计算一致性比例CR<0.1。
步骤15、可以计算多种工况下的特征参数及其权重系数,从而扩展该算法的判定范围。
在线监控过程步骤如下:
步骤21、采集运行过程中各电池的参数数据,主要监控该运行工况下所对应的特征参数,并且计算特征参数的平均值Lave,该值为去掉最大值Lmax和最小值Lmin之后的算术平均值,该平均值可作为涉及到差值的特征参数的标准值。
步骤22、如果出现了某个电池的判定特征参数C1超过了设定阈值Lthrehold的情况,则立即启动风险值的计算工作,首先计算该特征参数相对阈值的偏离度D=(Li-Lthrehold)/Lthrehold,或者认定故障值为1。
步骤24、若风险值持续上升或者阶梯上升,则可以认定电池出现了内短路。
实施例一
针对容量为20Ah的2770180型磷酸铁锂电池;
采用本申请一种动力电池内短路检测方法,首先建立电-热-内短路耦合模型,将内短路电阻设置为1Ω,并且在放电1000s时触发,放电电流1C。选定的特征参数为压差△V、表面温度T、表面温差△T,表面温升速率dT/dt,其中压差和温差均是短路电池与正常电池之差。考虑到电池管理系统的报警阈值,将上述四个参数阈值分别设定为0.1V,60℃,7℃,超过正常表面温升速率的2倍。通过对电池特征参数进行分析,得到各特征参数达到上述阈值的时间,并根据出现的先后顺序进行排序后计算特征数字,结果如下表所示:
参数 | dT/dt | △T | T | △V |
时间(s) | 1050 | 1218 | 2572 | 2887 |
特征数字M | 9 | 8 | 2 | 1 |
根据四个特征参数的特征数字建立层次分析法的判断矩阵,结果如下:
dT/dt | △T | T | △V | |
dT/dt | 1 | 2 | 8 | 9 |
△T | 1/2 | 1 | 7 | 8 |
T | 1/8 | 1/7 | 1 | 2 |
△V | 1/9 | 1/8 | 1/2 | 1 |
通过层次分析法计算四个参数的权重系数以及一致性系数,结果如下表,一致性参数CR<0.1,说明该结果有效。
参数 | dT/dt | △T | T | △V | 一致性系数CR |
权重系数P | 0.534 | 0.354 | 0.067 | 0.0445 | 0.0281 |
将最早出现异常值的特征参数dT/dt作为判定特征参数,在计算各参数对应的风险系数时,按照逻辑关系处理,即只要超过阈值,则将其风险系数定位1,其他参数计算其偏离度。之后,将各特征参数的权重系数与风险系数相乘后进行加和,可以得出电池风险值随时间的变化曲线,如图2所示。在实际运行情况下如果判定特征参数出现风险值非零,首先有53.4%的风险为内短路,之后若风险值随着放电持续上升,可以进一步判断为内短路。
此外,还可以适当降低某些参数的范围,比如将上述温度T和表面温差△T的值,从业内认可的60℃和7℃,降为40℃和4℃。然后,依据上述步骤计算电池风险值,不但可以适当提前内短路识别时间,而且降低误判几率。
实施例二
针对容量为20Ah的2770180型磷酸铁锂电池;
采用本申请一种动力电池内短路检测方法,首先建立电-热-内短路耦合模型,将内短路电阻设置为1Ω,假设在静置过程中出现内短路,并且由于自放电作用使其初始SOC为0.7,而其他正常串联电池为SOC为0.95。放电电流为1C。选定的特征参数为压差△V、温度T、表面温差△T,表面温升速率dT/dt,其中压差和温差均是短路电池与正常电池之差。考虑到电池管理系统的报警阈值,将上述四个参数阈值分别设定0.1V,60℃,7℃,超过正常表面温升速率的2倍。通过对电池特征参数进行分析,得到各特征参数达到上述阈值的时间,并根据出现的先后顺序进行排序后计算特征数字,结果如下表所示。
参数 | dT/dt | △T | △V | T |
时间(s) | 50 | 333 | 2446 | 2555 |
特征数字M | 9 | 8 | 1 | 1 |
根据四个特征参数的特征数字建立层次分析法的判断矩阵,结果如下
dT/dt | △T | △V | T | |
dT/dt | 1 | 1 | 8 | 9 |
△T | 1 | 1 | 7 | 8 |
△V | 1/8 | 1/7 | 1 | 1 |
T | 1/9 | 1/8 | 1 | 1 |
通过层次分析法计算四个参数的权重系数以及一致性系数,结果如下表,一致性参数<0.1,说明该结果有效。
参数 | dT/dt | △T | △V | T | 一致性系数CR |
权重系数P | 0.507 | 0.391 | 0.0521 | 0.0488 | 0.0789 |
将最早出现异常值的特征参数dT/dt作为判定特征参数,在计算各参数对应的风险系数时,将所有特征参数按照逻辑关系处理,即只要超过阈值,则将其风险系数定位1。之后,将各特征参数的权重系数与风险系数相乘后进行加和,可以得出电池风险值随时间的变化曲线,如图3所示。在实际运行情况下如首先发现温升系数突破阈值,那么有50.7%的风险为内短路,之后若温差系数也突破阈值,那么则有89.8%的风险为内短路。
综上所述,本发明通过风险值的变化判断内短路出现的可能性;在层次分析法中,根据具体工况下的异常值出现时间来建立判断矩阵,可较为客观的评价各特征参数在内短路判定过程中的权重系数。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种动力电池内短路检测方法,其特征在于,
模拟电池在运行过程中触发内短路故障,记录内短路触发前后各参数的变化情况;设定各参数的阈值范围,记录内短路触发后各参数达到阈值的时间作为异常值出现时间,并根据异常值出现时间出现的先后对参数进行排序,筛选出部分参数作为特征参数;
通过异常值出现时间和层次分析法,计算各个特征参数的权重系数,保证计算一致性比例CR<0.1;
采集运行过程中的电池参数数据;
若某判定特征参数超过设定阈值,则计算该特征参数的风险系数;
根据权重系数和风险系数计算电池内短路的风险值;
若风险值持续上升或者阶梯上升,则可以认定电池出现了内短路。
2.根据权利要求1所述的动力电池内短路检测方法,其特征在于,所述模拟电池在运行过程的方式为设计电池内短路代替实验或者建立电池内短路仿真模型中的一种或多种。
3.根据权利要求1所述的动力电池内短路检测方法,其特征在于,所述参数包括电压、电流、压差、温度、温差、温升速率、SOC、SOH以及内阻。
4.根据权利要求1所述的动力电池内短路检测方法,其特征在于,筛选出部分参数作为特征参数,特征参数个数≥3,筛选过程进一步包括:
将若干个最早出现异常的参数,作为触发判定内短路过程的判定特征参数。
5.根据权利要求1所述的动力电池内短路检测方法,其特征在于,通过异常值出现时间和层次分析法,计算各个特征参数的权重系数,保证计算一致性比例CR<0.1进一步包括:
根据异常值出现时间先后,对特征参数进行排序,排列后的特征参数C1、C2、C3…Ci;异常值出现时间t1、t2、t3…ti;
将最后一个异常值出现时间ti至内短路触发时间t0的时间段平均分为N段,标记为从N-1的N个数字;
根据异常值出现时间t所在的区间,给各特征参数分配一个数字,即特征参数C1、C2、C3…Ci的特征数字为M1、M2、M3…Mi;
构建层次分析法的判断矩阵,aij为特征参数i相对与特征参数j的重要性,aij=Mi-Mj+1,同时还应保证aij×aji=1,以及aii=1;
根据上述步骤,通过层级分析法计算各特征参数权重P1、P2、P3…Pi,保证计算一致性比例CR<0.1。
6.根据权利要求5所述的动力电池内短路检测方法,其特征在于,所述N为9。
8.根据权利要求7所述的动力电池内短路检测方法,其特征在于,所述该平均值Lave作为涉及到差值的特征参数的标准值。
9.根据权利要求7所述的动力电池内短路检测方法,其特征在于,若某判定特征参数超过设定阈值,则计算该特征参数的风险系数,进一步包括:
若出现某个电池的特征参数C1超过了设定阈值Lthrehold的情况,启动风险值的计算工作,计算该特征参数相对阈值的偏离度D=(Li-Lthrehold)/Lthrehold,或者认定故障值为1。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111578594.0A CN114325417B (zh) | 2021-12-22 | 2021-12-22 | 一种动力电池内短路检测方法 |
PCT/CN2022/111847 WO2023115988A1 (zh) | 2021-12-22 | 2022-08-11 | 一种动力电池内短路检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111578594.0A CN114325417B (zh) | 2021-12-22 | 2021-12-22 | 一种动力电池内短路检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114325417A true CN114325417A (zh) | 2022-04-12 |
CN114325417B CN114325417B (zh) | 2024-09-06 |
Family
ID=81054143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111578594.0A Active CN114325417B (zh) | 2021-12-22 | 2021-12-22 | 一种动力电池内短路检测方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114325417B (zh) |
WO (1) | WO2023115988A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115267589A (zh) * | 2022-09-26 | 2022-11-01 | 陕西汽车集团股份有限公司 | 一种电动汽车电池故障多参数联合诊断方法 |
CN115308518A (zh) * | 2022-10-10 | 2022-11-08 | 杭州三海电子有限公司 | 一种老炼电路的参数测量顺序确定方法和系统 |
WO2023115988A1 (zh) * | 2021-12-22 | 2023-06-29 | 北京国家新能源汽车技术创新中心有限公司 | 一种动力电池内短路检测方法 |
CN116593930A (zh) * | 2023-03-08 | 2023-08-15 | 宇通客车股份有限公司 | 一种电池系统电芯内短路识别方法和装置 |
CN117907844A (zh) * | 2024-03-19 | 2024-04-19 | 中国汽车技术研究中心有限公司 | 电池系统内短路异常检测方法、电子设备及介质 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116934303B (zh) * | 2023-07-24 | 2024-02-13 | 上海惊叹化学有限公司 | 新能源汽车电池封装用耐温湿聚氨酯粘合剂性能检测系统 |
CN116953556B (zh) * | 2023-09-12 | 2023-12-05 | 苏州大学 | 多变量冗余故障电池在线检测的方法、系统、介质和设备 |
CN117686921B (zh) * | 2024-02-02 | 2024-05-31 | 江苏林洋亿纬储能科技有限公司 | 检测电池内短路的方法和系统及计算设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009204401A (ja) * | 2008-02-27 | 2009-09-10 | Nec Corp | 二次電池の内部短絡検出装置および内部短絡検出方法 |
CN110764014A (zh) * | 2018-07-26 | 2020-02-07 | 东莞新能德科技有限公司 | 电池内短路的检测方法、装置、终端及可读存储介质 |
CN110780210A (zh) * | 2018-07-30 | 2020-02-11 | 广州小鹏汽车科技有限公司 | 一种电池包内短路检测方法、装置和电动汽车 |
KR20210054407A (ko) * | 2019-11-05 | 2021-05-13 | 정대원 | 배터리 내부단락검출 시스템 및 이를 이용한 배터리 내부단락검출 방법 |
CN113791364A (zh) * | 2021-08-31 | 2021-12-14 | 上海交通大学 | 模型融合信号驱动的锂离子电池内部短路诊断方法与系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104617330B (zh) * | 2015-01-19 | 2017-01-25 | 清华大学 | 电池微短路的识别方法 |
CN106875098A (zh) * | 2017-01-19 | 2017-06-20 | 华北电力大学 | 一种充电设施对动力电池安全事故预警能力量化评价方法 |
CN107192914B (zh) * | 2017-04-18 | 2019-11-22 | 宁德时代新能源科技股份有限公司 | 锂离子动力电池内短路检测方法 |
CN108038631B (zh) * | 2017-12-29 | 2022-01-11 | 中国科学技术大学 | 一种锂离子电池危险性评估方法 |
CN108649282B (zh) * | 2018-04-23 | 2020-03-24 | 中国科学院广州能源研究所 | 一种规避锂离子电池内短路风险的安全防护方法及系统 |
JP7122938B2 (ja) * | 2018-10-29 | 2022-08-22 | Fdk株式会社 | 微短絡検知方法、及び微短絡検知装置 |
WO2021054719A1 (en) * | 2019-09-19 | 2021-03-25 | Samsung Electronics Co., Ltd. | A method and system for battery-management in devices |
CN112036014A (zh) * | 2020-08-18 | 2020-12-04 | 中国检验检疫科学研究院 | 一种基于层次分析法的锂离子电池安全可靠性测试方法 |
CN112092675B (zh) * | 2020-08-31 | 2022-03-25 | 长城汽车股份有限公司 | 一种电池热失控预警方法、系统及服务器 |
CN114325417B (zh) * | 2021-12-22 | 2024-09-06 | 北京国家新能源汽车技术创新中心有限公司 | 一种动力电池内短路检测方法 |
-
2021
- 2021-12-22 CN CN202111578594.0A patent/CN114325417B/zh active Active
-
2022
- 2022-08-11 WO PCT/CN2022/111847 patent/WO2023115988A1/zh unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009204401A (ja) * | 2008-02-27 | 2009-09-10 | Nec Corp | 二次電池の内部短絡検出装置および内部短絡検出方法 |
CN110764014A (zh) * | 2018-07-26 | 2020-02-07 | 东莞新能德科技有限公司 | 电池内短路的检测方法、装置、终端及可读存储介质 |
CN110780210A (zh) * | 2018-07-30 | 2020-02-11 | 广州小鹏汽车科技有限公司 | 一种电池包内短路检测方法、装置和电动汽车 |
KR20210054407A (ko) * | 2019-11-05 | 2021-05-13 | 정대원 | 배터리 내부단락검출 시스템 및 이를 이용한 배터리 내부단락검출 방법 |
CN113791364A (zh) * | 2021-08-31 | 2021-12-14 | 上海交通大学 | 模型融合信号驱动的锂离子电池内部短路诊断方法与系统 |
Non-Patent Citations (2)
Title |
---|
ZHANG, LW (ZHANG, LIWEN) ; ZHAO, P (ZHAO, PENG) ; XU, M (XU, MENG) ; WANG, X (WANG, XIA): "Computational identification of the safety regime of Li-ion battery thermal runaway", APPLIED ENERGY, vol. 261, 1 March 2020 (2020-03-01) * |
张东羽: "基于结构与性能的动力电池过充/过放检测", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑 (月刊), no. 2019, 31 January 2019 (2019-01-31) * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023115988A1 (zh) * | 2021-12-22 | 2023-06-29 | 北京国家新能源汽车技术创新中心有限公司 | 一种动力电池内短路检测方法 |
CN115267589A (zh) * | 2022-09-26 | 2022-11-01 | 陕西汽车集团股份有限公司 | 一种电动汽车电池故障多参数联合诊断方法 |
CN115267589B (zh) * | 2022-09-26 | 2023-01-06 | 陕西汽车集团股份有限公司 | 一种电动汽车电池故障多参数联合诊断方法 |
CN115308518A (zh) * | 2022-10-10 | 2022-11-08 | 杭州三海电子有限公司 | 一种老炼电路的参数测量顺序确定方法和系统 |
CN115308518B (zh) * | 2022-10-10 | 2022-12-23 | 杭州三海电子有限公司 | 一种老炼电路的参数测量顺序确定方法和系统 |
CN116593930A (zh) * | 2023-03-08 | 2023-08-15 | 宇通客车股份有限公司 | 一种电池系统电芯内短路识别方法和装置 |
CN117907844A (zh) * | 2024-03-19 | 2024-04-19 | 中国汽车技术研究中心有限公司 | 电池系统内短路异常检测方法、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114325417B (zh) | 2024-09-06 |
WO2023115988A1 (zh) | 2023-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114325417A (zh) | 一种动力电池内短路检测方法 | |
CN110018425B (zh) | 一种动力电池故障诊断方法及系统 | |
CN107843853B (zh) | 一种动力电池组串联连接故障诊断方法 | |
CN111929576A (zh) | 基于组合赋权法的真空断路器健康状态评估方法 | |
CN112946485B (zh) | 车辆电池检测方法、存储介质及设备 | |
CN111707958B (zh) | 一种基于容量增量曲线特征的电池内短路检测方法 | |
CN112986834B (zh) | 一种基于电压排序的电池安全监控方法及系统 | |
CN112946522A (zh) | 低温工况导致电池储能系统内短路故障的在线监测方法 | |
CN112260372B (zh) | 一种电池均衡方法、装置及电池管理系统 | |
CN112946483A (zh) | 电动汽车电池健康的综合评估方法及存储介质 | |
CN113791350A (zh) | 电池故障预测方法 | |
CN117341476B (zh) | 一种电池压差故障预警方法及系统 | |
CN115366683A (zh) | 一种新能源汽车动力电池多维模型融合的故障诊断策略 | |
CN110806508A (zh) | 一种基于数据的高压回路接触电阻变化的评估方法 | |
CN112345941A (zh) | 一种基于大数据依变化量曲线的后台热失控预警方法 | |
CN113602147A (zh) | 电池故障检测方法及电池故障检测装置 | |
CN115494399A (zh) | 一种新能源汽车电池系统的单体差异风险智能识别方法 | |
CN115958957A (zh) | 一种电动汽车动力电池充电过热故障预测方法及系统 | |
CN114509678A (zh) | 一种基于大数据的动力电池热失控预测方法 | |
CN112208389B (zh) | 一种针对车载动力电池的日常便捷检测方法 | |
CN115469226B (zh) | 一种基于运行大数据的电动汽车动力电池实时安全预警方法 | |
CN109782184B (zh) | Pack系统的热失控风险诊断方法及其电子设备 | |
CN116699407A (zh) | 一种基于安全熵的动力电池安全风险预警方法 | |
CN115902629A (zh) | 一种锂离子电池安全状态评估及安全故障分级方法 | |
CN115128473A (zh) | 一种锂电池的析锂监测方法和装置 |
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 |