CN114518539A - 一种动力电池soc异常分析方法 - Google Patents
一种动力电池soc异常分析方法 Download PDFInfo
- Publication number
- CN114518539A CN114518539A CN202210039778.8A CN202210039778A CN114518539A CN 114518539 A CN114518539 A CN 114518539A CN 202210039778 A CN202210039778 A CN 202210039778A CN 114518539 A CN114518539 A CN 114518539A
- Authority
- CN
- China
- Prior art keywords
- charging
- battery
- soc
- voltage
- voltage deviation
- 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
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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明涉及一种动力电池SOC异常分析方法,包括:对动力电池历史数据进行处理从而建立数据库,筛选出便于后续分析的充电数据集;通过计算充电数据任一时刻的平均充电电压作为电压基准值;计算得到该次电池充电过程的电压偏离值;对电压偏离值进行整合后引入时间参数,得到电压偏离值随时间变化的曲线,进行滤波得到电压偏离值‑时间曲线;根据得到的电压偏离值‑时间曲线,判断出SOC异常的单体电池及其变化趋势。本发明不需要复杂的线下检测,工作量小。同时具有很强的通用性,不仅仅局限于某一款动力电池,可将分析结果应用于电动汽车的检测维修,确保应用的安全。能够得到更加准确的SOC异常诊断结果,直观的分析出电池参数的变化趋势。
Description
技术领域
本发明属于动力电池健康状态评估领域,尤其是一种动力电池SOC异常分析方法
背景技术
随着我国产业的不断调整,低碳环保环境友好型的新能源电池产业兴起并发展,现如今已经成为国家未来发展的战略新兴产业之一。近年来动力电池广泛应用于电动汽车和电动自行车行业,取代了汽油和柴油,作为电动汽车或电动自行车的行驶动力电源,特别是电动汽车行业的发展,以及在储能等方面的应用,更是将动力电池的市场推上了高峰。随着动力电池的应用范围越来越广,应用数量越来越多,动力电池的健康状态也越来越受到人们的重视。
目前电动汽车常见的健康状态问题有内阻异常、电压异常、电池寿命过低、SOC异常、不一致性等问题,任何问题的出现都会降低电池的有效寿命,最终导致电池的长期安全隐患,同时影响整车的性能。电池SOC不能直接测量,只能通过电池端电压、充放电电流及内阻等参数来估算其大小。而这些参数还会受到电池老化、环境温度变化及汽车行驶状态等多种不确定因素的影响,因此需要一种专门针对SOC异常分析的方法来分析电池是否存在SOC异常的现象。
发明内容
本发明的主要目的在于解决上述问题和不足,提供一种方法,可有效诊断动力电池SOC异常并分析其参数变化趋势。
为达到发明目的,本发明提供了一种动力电池SOC异常分析方法,包括如下步骤:
S1:选择电动汽车中动力锂离子电池系统的电池包为实验对象,结合动力电池历史数据中的电池电压、SOC、电流和汽车工况等因素,对历史数据进行处理从而建立数据库,筛选出便于后续分析的充电数据集;
S2:通过计算充电数据任一时刻的平均充电电压作为电压基准值;对每个电池每次充电过程进行叠加计算,得到该次电池充电过程的电压偏离值;
S3:对每次充电过程的电压偏离值进行整合后引入时间参数,得到电压偏离值随时间变化的曲线,将该曲线进行滤波处理后得到电压偏离值-时间曲线;
S4:根据得到的电压偏离值-时间曲线,判断出SOC异常的单体电池及其变化趋势。
进一步的,步骤S1包括如下步骤:
S11、对历史数据中单体电压超过5V、单体电压小于2.5V的数据进行删除。
S12、对于历史数据中受采样问题而导致的计算内阻偏高错误进行修正。
S13、根据电池电压、SOC、电流和汽车工况对数据进行筛选,通过SOC与电流值来共同判断充电起始端与结束端,以SOC稳定上升的起始点和终止点来判断充电段的起始点与终止点,以充电电流大小来判断充电起始点时,当电流大于1A视为开始充电,电流小于1A视为结束充电,同时根据充电电流的大小筛选出不同倍率下的充电模式,筛选出快充、慢充模式,根据电池的电压值来确定充电截止点与充电末期小电流充电范围,最终得到每一段准确的充电数据,整合并构建用于后续分析计算的数据集。
进一步的,步骤S2具体包括如下步骤:
对于每一段充电数据,计算该段数据中各个时刻电池电压的平均值,得到该充电段电池电压的基准曲线,分别对所有电池的电压曲线与基准曲线的差值求平均值,得到该充电段中每个电池的电压偏离值。
进一步的,步骤S3包括如下步骤:
S31、对已得到的电压偏离值引入时间参数,得到电压偏离值随时间变化的曲线;
S32、对曲线进行滤波,选取移动平均法消除由于采样问题带来的噪声波动,得到电压偏离值-时间曲线。如此更利于辨别出电压偏离值-时间曲线的趋势特征;
进一步的,步骤S4中,判断SOC异常的单体电池及其变化趋势包括:
对所有电池的电压偏离值进行3σ法离群分析,通过3σ法得到阈值,来判断电池的电压偏离值是否离群,并结合车辆所使用的电池类型和工况进行离群等级划分。并根据电压偏离值的正负判断异常类型为SOC偏高故障或SOC偏低故障;
若某单体电池的电压偏离值-时间曲线与其他单体电池的电压偏离值-时间曲线相比有明显的突变或渐变的上升趋势或下降趋势,判断该单体电池SOC异常。对于电压偏离值-时间曲线有突变上升或下降趋势的,判断该电池有突发性故障,需要马上报修;对于电压偏离值-时间曲线有渐变且稳定上升或下降趋势的,判断该电池有严重自放电或电池组电量不均衡现象,需要进行维护处理。
本发明的有益效果如下:
综上所述,本发明专利的提出提供的一种动力电池SOC异常分析方法。该评估方法通过历史数据进行异常分析,不需要复杂的线下检测,工作量小。同时具有很强的通用性,不仅仅局限于某一款动力电池,可将分析结果应用于电动汽车的检测维修,确保应用的安全。通过对动力电池历史数据的分析,得到更加准确的SOC异常诊断结果,并能够直观的分析出电池参数的变化趋势,最终分析结果对动力电池不一致性评估、健康状态分析、动力电池的检测维修具有重要意义。
附图说明
图1:本发明一种动力电池SOC异常分析方法的流程示意图;
图2:本发明一种动力电池SOC异常分析方法中原始数据中所有电池电压;
图3:本发明一种动力电池SOC异常分析方法中筛选后的电池充电数据;
图4:本发明一种动力电池SOC异常分析方法电压偏离值-时间曲线示意图;
具体实施方式
以下结合附图对本发明作进一步详细说明。
图1展示了分析方法的流程。首先,基于电动汽车的历史数据进行数据预处理。对历史数据中明显偏离正常参数范围的数据进行删除,对于历史数据中由于采样问题丢失的部分进行填补,对于历史数据中受各种因素影响而导致的错误数据进行修正,根据电池电压、SOC、电流和工况等因素对数据进行筛选,得到用于后续分析计算的数据库和数据筛选后得到所有数据中的每次充电过程的充电数据。
历史数据中所有电池电压和筛选后的电池充电数据分别如图2和图3所示。对于每一段充电数据,计算该段数据中各个时刻电池电压的平均值:
其中Xt,i为第i个电池在t时刻的电压,电池总数为n。
然后得到该充电段电池电压的基准曲线,分别对所有电池的电压曲线与该基准曲线的差值求平均值,得到该充电段中每个电池的电压偏离值:
其中tm-end、tm-start分别是每次充电过程的充电端起始点和终止点。
对已得到的电压偏离值引入时间参数,得到电压偏离值随时间变化的曲线,即电压偏离值-时间曲线。对电压偏离值进行填值和滤波,选取合适的滤波方法消除由于采样问题带来的电压偏离值波动,使其易于辨别出趋势特征
实际在根据经验法直观判断单体电池SOC是否异常时,若某一单体电池的电压偏离值-时间曲线的偏离值过大,则判断该单体电池为SOC异常,并根据电压偏离值的正负判断异常类型;
若某一单体电池的电压偏离值-时间曲线与其他单体电池的电压偏离值-时间曲线相比有明显的突变或渐变的上升趋势或下降趋势,判断该单体电池SOC异常,并根据其趋势进行后续分析。
图4展示了一组整车电池包所绘制出的电压偏离值-时间曲线图。在该图中,可以直观的看到,在整个充电过程中存在两个单体电池的电压偏离值在整个充电过程中明显偏大,在整个历史数据的充电末端,存在单体电池的电压累加差值急剧上升的趋势,这两个电池可以归类为SOC异常。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的实质和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的保护范围。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (6)
1.一种动力电池SOC异常分析方法,其特征在于,包括如下步骤:
S1、选择电动汽车中动力锂离子电池系统的电池包为实验对象,结合动力电池历史数据中的电池电压、SOC、电流和汽车工况,对历史数据进行处理从而建立数据库,筛选出便于后续分析的充电数据集;
S2、通过计算充电数据任一时刻的平均充电电压作为电压基准值;对每个电池每次充电过程进行叠加计算,得到该次电池充电过程的电压偏离值;
S3、对每次充电过程的电压偏离值进行整合后引入时间参数,得到电压偏离值随时间变化的曲线,将该曲线进行滤波处理后得到电压偏离值-时间曲线;
S4、根据得到的电压偏离值-时间曲线,判断出SOC异常的单体电池及其变化趋势。
2.如权利要求1所述的动力电池SOC异常分析方法,其特征在于,步骤S1包括如下步骤:
S11、对历史数据中单体电压超过5V、单体电压小于2.5V的数据进行删除;
S12、对于历史数据中受采样问题而导致的计算内阻偏高错误进行修正;
S13、根据电池电压、SOC、电流和汽车工况对数据进行筛选,通过SOC与电流值来共同判断充电起始端与结束端,以SOC稳定上升的起始点和终止点来判断充电段的起始点与终止点,以充电电流大小来判断充电起始点时,当电流大于1A视为开始充电,电流小于1A视为结束充电,同时根据充电电流的大小筛选出不同倍率下的充电模式,筛选出快充、慢充模式,根据电池的电压值来确定充电截止点与充电末期小电流充电范围,最终得到每一段准确的充电数据,整合并构建用于后续分析计算的数据集。
3.如权利要求1所述的动力电池SOC异常分析方法,其特征在于,步骤S2具体包括如下步骤:
对于每一段充电数据,计算该段数据中各个时刻电池电压的平均值,得到该充电段电池电压的基准曲线,分别对所有电池的电压曲线与基准曲线的差值求平均值,得到该充电段中每个电池的电压偏离值。
5.如权利要求1所述的动力电池SOC异常分析方法,其特征在于,步骤S3包括如下步骤:
S31、对已得到的电压偏离值引入时间参数,得到电压偏离值随时间变化的曲线;
S32、对曲线进行滤波,选取移动平均法消除由于采样问题带来的噪声波动,得到电压偏离值-时间曲线。
6.如权利要求1所述的动力电池SOC异常分析方法,其特征在于,步骤S4中,判断SOC异常的单体电池及其变化趋势包括:
对所有电池的电压偏离值进行3σ法离群分析,通过3σ法得到阈值,来判断电池的电压偏离值是否离群,并结合车辆所使用的电池类型和工况进行离群等级划分;并根据电压偏离值的正负判断异常类型为SOC偏高故障或SOC偏低故障;
若某单体电池的电压偏离值-时间曲线与其他单体电池的电压偏离值-时间曲线相比有明显的突变或渐变的上升趋势或下降趋势,判断该单体电池SOC异常;对于电压偏离值-时间曲线有突变上升或下降趋势的,判断该电池有突发性故障,需要马上报修;对于电压偏离值-时间曲线有渐变且稳定上升或下降趋势的,判断该电池有严重自放电或电池组电量不均衡现象,需要进行维护处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210039778.8A CN114518539A (zh) | 2022-01-14 | 2022-01-14 | 一种动力电池soc异常分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210039778.8A CN114518539A (zh) | 2022-01-14 | 2022-01-14 | 一种动力电池soc异常分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114518539A true CN114518539A (zh) | 2022-05-20 |
Family
ID=81596736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210039778.8A Pending CN114518539A (zh) | 2022-01-14 | 2022-01-14 | 一种动力电池soc异常分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114518539A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115308607A (zh) * | 2022-07-26 | 2022-11-08 | 力高(山东)新能源技术有限公司 | 一种基于图像识别技术的判断电芯电压偏离原因的方法 |
CN116299019A (zh) * | 2023-04-13 | 2023-06-23 | 合肥国轩高科动力能源有限公司 | 锂电池数据采集异常识别方法、系统、存储介质及设备 |
CN116466168A (zh) * | 2023-04-24 | 2023-07-21 | 江苏新博能源科技有限公司 | 一种基于云计算的新能源管理平台异常监测系统及方法 |
CN117452265A (zh) * | 2023-12-22 | 2024-01-26 | 合众新能源汽车股份有限公司 | 动力电池的容量衰减估算方法、系统及设备 |
WO2024063600A1 (ko) * | 2022-09-22 | 2024-03-28 | 주식회사 엘지에너지솔루션 | 배터리 관리 장치 및 그것의 동작 방법 |
-
2022
- 2022-01-14 CN CN202210039778.8A patent/CN114518539A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115308607A (zh) * | 2022-07-26 | 2022-11-08 | 力高(山东)新能源技术有限公司 | 一种基于图像识别技术的判断电芯电压偏离原因的方法 |
WO2024063600A1 (ko) * | 2022-09-22 | 2024-03-28 | 주식회사 엘지에너지솔루션 | 배터리 관리 장치 및 그것의 동작 방법 |
CN116299019A (zh) * | 2023-04-13 | 2023-06-23 | 合肥国轩高科动力能源有限公司 | 锂电池数据采集异常识别方法、系统、存储介质及设备 |
CN116299019B (zh) * | 2023-04-13 | 2024-04-02 | 合肥国轩高科动力能源有限公司 | 锂电池数据采集异常识别方法、系统、存储介质及设备 |
CN116466168A (zh) * | 2023-04-24 | 2023-07-21 | 江苏新博能源科技有限公司 | 一种基于云计算的新能源管理平台异常监测系统及方法 |
CN116466168B (zh) * | 2023-04-24 | 2023-11-24 | 江苏新博能源科技有限公司 | 一种基于云计算的新能源管理平台异常监测系统及方法 |
CN117452265A (zh) * | 2023-12-22 | 2024-01-26 | 合众新能源汽车股份有限公司 | 动力电池的容量衰减估算方法、系统及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114518539A (zh) | 一种动力电池soc异常分析方法 | |
CN110018425B (zh) | 一种动力电池故障诊断方法及系统 | |
CN109731808B (zh) | 一种对锂电池梯次利用的检测分选方法 | |
CN110794305A (zh) | 一种动力电池故障诊断方法和系统 | |
CN101622547B (zh) | 用于检测蓄电装置的异常的装置和方法 | |
CN102854473B (zh) | 电动汽车动力电池自动测试诊断系统和方法 | |
CN113075554B (zh) | 一种基于运行数据的锂离子电池组不一致性辨识方法 | |
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 | |
CN111208439A (zh) | 一种串联锂离子电池组微短路故障定量检测方法 | |
CN109116242B (zh) | 一种动力电池的数据处理方法和装置 | |
CN108732508B (zh) | 一种锂离子电池容量的实时估计方法 | |
CN111257755B (zh) | 一种预防性检测诊断电池包方法 | |
CN113696786B (zh) | 电池均衡方法及系统 | |
CN112924885B (zh) | 基于增量容量曲线峰值高度的电池内短路定量诊断方法 | |
CN112180274B (zh) | 一种动力电池组快速检测测评方法 | |
CN112924873A (zh) | 电池包微短路的在线诊断方法及系统 | |
CN114329760A (zh) | 一种基于数字孪生的车载锂离子电池建模及故障诊断方法 | |
CN117214757A (zh) | 锂离子电池及电池组健康度预测方法 | |
CN114646888A (zh) | 一种动力电池容量衰减的评估方法及系统 | |
CN113884886A (zh) | 电池测试生产中异常充放电芯的筛选方法 | |
CN105717458A (zh) | 一种电池内阻的在线实时检测方法 | |
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 | |
CN116466250A (zh) | 基于动态工况模型误差特征的动力电池健康状态估计方法 | |
CN116008847A (zh) | 一种基于车云协同下的锂离子电池在线析锂检测方法 | |
CN106815406B (zh) | 一种基于特征模型的动力电池soc估算方法 |
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 |