CN114924193A - 一种电池安全评估方法 - Google Patents
一种电池安全评估方法 Download PDFInfo
- Publication number
- CN114924193A CN114924193A CN202210587593.0A CN202210587593A CN114924193A CN 114924193 A CN114924193 A CN 114924193A CN 202210587593 A CN202210587593 A CN 202210587593A CN 114924193 A CN114924193 A CN 114924193A
- Authority
- CN
- China
- Prior art keywords
- battery
- temperature
- value
- voltage
- current
- 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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- 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
-
- 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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- 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)
Abstract
本发明提供了一种电池安全评估方法,包括如下步骤:构建电池包仿真模型;对电池包仿真模型进行循环充放电,将电池仿真模块为第一类电池模块和第二类电池模块;对电池包进行循环充放电,实时采集电池包在不同电池循环寿命下的第一类电池模块的第一外部特征参数和第二类电池模块的第二外部特征参数;当电池循环寿命低于预设阈值时,停止采集;由第一外部特征参数和第二外部特征参数构建第一标准模型和第二标准模型;采集被测电池在工作过程中第三外部特征参数,建立被测电池的变化曲线;将被测电池的变化曲线与标准模型进行拟合,获得被测电池的电池循环寿命,实现对被测电池的安全评估。加强易发生故障区域的检测,样本数量少,检测全面可靠。
Description
技术领域
本发明属于电池领域,具体涉及一种电池安全评估方法。
背景技术
近年来能源紧缺、环境污染等形势日益严峻,使交通能源动力由燃油动力向电力动力的转型的趋势逐渐凸显。对动力电池进行安全性的整体评估,是目前电动汽车动力电池应用研究和安全性研究的一个重点和难点,更是动力电池梯次利用的前提条件。
现有的车用锂电池安全评估手段经常要结合电池管理系统,从电池管理系统中获取相应的电压电流等数据,计算电池组电压的方差以及电池组内电池的阻抗,实现电池模组全故障的诊断。一方面,这种方法需要的数据量十分庞大,计算量大,且依赖于数据的初始值。另一方面,大多数利用人工智能算法去预测锂电池容量的方法都是单独选择电池的电压或电流作为输入的特征参数,这样的方法满足了实际情况下要求的迅速预测,但精确性较差,且要结合电池管理系统,不是独立的安全评估手段。还有一种就是在电池包内添加多波长光源、波分复用器、导光纤维单元、光谱扫描仪等设备,这种方法虽然可以实时高精度的监测电池包的状态进行安全评估,但是成本较高不适应于目前市面上大量生产的电动汽车电池包的安全评估。
发明内容
鉴于现有技术中的上述缺陷或不足,本发明旨在提供一种电池安全评估方法。
为了实现上述目的,本发明实施例采用如下技术方案:
一种电池安全评估方法,包括如下步骤:步骤S1,搭建电池包仿真模型,在仿真模型下,对电池包进行循环充放电,采集位于电池包不同位置的电池的温度;
步骤S2,当电池包不同位置的电池温度变化稳定,停止充放电,得到电池包不同位置的电池的温度集合;设定温度阈值,将温度大于等于温度阈值的位置划分为内部电池,将温度小于温度阈值的位置划分为外部电池;
步骤S3,在对电池包进行循环充放电的同时采集内部电池和外部电池的外部特征参数,所述外部特征参数至少包括电池容量、电池温度、电压和电流;
步骤S4,当电池容量低于预设阈值时,停止采集,得到内部电池的特征参数集和外部电池的外部特征参数集;
步骤S5,由电池容量得到电池循环寿命;由内部电池的外部特征参数集建立内部电池的标准模型,由外部电池的外部特征参数集建立外部电池的标准模型;所述标准模型为不同电池循环寿命下的温度、电压和电流变化曲线;
步骤S6,采集被测电池的一次循环充放电过程中温度、电压和电流变化曲线;
步骤S7,将被测电池的温度、电压和电流变化曲线与标准模型中的变化曲线进行拟合、对比,获得被测电池的电池循环寿命,实现对被测电池的安全评估。
根据本申请实施例提供的技术方案,将被测电池的变化曲线与标准模型的变化曲线进行拟合,包括如下步骤:
步骤S71,从标准模型中提取不同电池循环寿命下的第一温度曲线特征参数,所述第一温度曲线特征参数包括电池放电时间所能达到的最高温度、电池开始放电至温度达到最高所用时间;
从标准模型中提取不同电池循环寿命下的第一电压曲线特征参数,所述第一电压曲线特征参数包括放电开始至放电结束所用时间、放电结束至电压回升所用时间;
步骤S72,由从标准模型中提取的第一温度曲线特征参数和第二电压曲线特征参数,建立阶段模型;
步骤S73,从被测电池的温度变化曲线中提取第二温度曲线特征参数,所述第二温度曲线特征参数包括电池放电时间所能达到的最高温度、电池开始放电至温度达到最高温度所用时间;
从被测电池的电压变化曲线中提取第二电压曲线特征参数,所述第二电压曲线特征参数包括放电开始至放电结束所用时间、放电结束至电压回升所用时间;
步骤S74,将第二温度曲线特征参数和第二电压曲线特征参数输入阶段模型,得到电池所处的循环寿命阶段。
根据本申请实施例提供的技术方案,建立所述阶段模型包括如下步骤:
步骤S721,建立阶段模型的子模块,所述子模块包括输入门、遗忘门和输出门;
步骤S722,确定子模块的输入、输出以及输入门、遗忘门和输出门的计算方法,如下,
gt=σ(Wt[ht-1,Zt]+bt)
ft=σ(Wf[ht-1,Zt]+bf)
ot=σ(Wo[ht-1,Zt]+bo)
ht=ot·tan h(Ct)
其中,gt代表输入门计算方法,ft代表遗忘门计算方法,ot代表输出门计算方法,Wt代表系数组成的矩阵,b代表偏置的向量,ht代表t时刻的输出即电池循环寿命值,Zt代表t时刻提取的不同电池循环寿命下的第一温度曲线特征参数、第一电压曲线特征参数形成的矩阵,Ct是t时刻输出的结果也是当前状态,是当前状态的矢量形式;
步骤S723,将t时刻提取的Zt、t-1时刻得到的输出的电池循环寿命值ht-1和t-1时刻得到的输出结果Ct-1代入子模块,得到t时刻输出的电池循环寿命值ht和t时刻的输出Ct;
步骤S724,重复步骤S723预设次数,形成阶段模型。
根据本申请实施例提供的技术方案,温度数据通过设置在电池包内部的每个电池上的温度传感器采集获得;位于内部电池的温度传感器的采集密度大于位于外部电池处的温度传感器。
根据本申请实施例提供的技术方案,建立标准模型包括如下步骤:
步骤S51,分别建立内部电池和外部电池在不同循环寿命下的温度、电压和电流变化值的拟合多项式:
y=a0+a1x+....+akxk,
其中,y代表不同标准模型中温度、电压和电流的拟合值;x代表电池在不同循环寿命下的温度、电压和电流的实际值;k代表温度、电压和电流数值的采集数量;
步骤S52,求取各点到拟合多项式形成的曲线的距离之和:
其中,R代表偏差,i代表温度、电压和电流数值的采集数量;
步骤S53,对步骤S52的等式右边求ak的偏导数,得到:
步骤S54,将步骤S53得到的等式进行化简,得到:
步骤S55,将步骤S54得到的等式用矩阵形式表示并化简,得到
步骤S56,得到X*A=Y的拟合曲线,即为内部电池和外部电池在不同循环寿命下的温度、电压和电流变化标准模型。
根据本申请实施例提供的技术方案,将被测电池的变化曲线与标准模型的变化曲线进行拟合后,还需要判断误差是否超过预设值;
若误差超过预设值,重新选择标准模型的变化曲线;若误差未超过预设值,被测电池的变化曲线与标准模型的变化曲线拟合,得到被测电池的电池循环寿命。
根据本申请实施例提供的技术方案,判断误差采用如下三种偏差方式中的一种或者两种;
其中,δ代表偏差,M代表温度、电压和电流在标准模型中的值,xj被测电池在一次充放电循环中采集到的温度、电压和电流具体数值。
本发明具有如下有益效果:
本申请对电池包进行循环充放电,采集电池容量不同即不同循环寿命(State OfHealth,SOH)下位于不同位置的电池模块即第一类电池模块和第二类电池模块的电池温度、电压和电流的变化曲线,进而建立不同循环寿命下电池模块相应的电池温度、电压和电流变化曲线,采集被测电池包在一次循环充放电下的电池温度、电压和电流的变化曲线与标准模型的变化曲线相对比,实现被测电池所处循环寿命(SOH)的判断以及安全评估。与现有的从电池管理系统中获取电压电流数据相比,本申请在标准模型建立过程中,只需要采集若干同型号电池,样本数据和测量数据大大减少;本申请通过搭建仿真模型模拟出实际使用过程中电池包内电池的热分布情况,将电池分为第一类电池模块和第二类电池模块,区分出温度更高易发生热失控的区域,加强对电池易发生故障区域的检测,减少散热对测量结果的影响,提高检测精度;本申请是对电池不同循环寿命不同位置的电池模块的数值进行采集检测,可以通过拉长数据即扩大数据的采集范围或者增加数据的采集密度,实现电池不同循环寿命的全面性检测,并可以在电池发生微弱衰减的循环寿命进行判断和评估,并及时发现电压电流例如跳崖式突变波形,实现对早期微小故障检测,从而对电池安全进行评估。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为测试时间0.1h电池包仿真模型内温度分布图;
图2为测试时间0.5h电池包仿真模型内温度分布图;
图3为一标准模型中锂电池循环寿命(SOH)为90%时第一和第二温度变化曲线;
图4为一标准模型中锂电池循环寿命(SOH)为80%时第一和第二温度变化曲线;
图5为一标准模型中锂电池循环寿命(SOH)为90%时第一和第二电压电流变化曲线;
图6为一标准模型中锂电池循环寿命(SOH)为80%时第一和第二电压电流变化曲线;
图7为本申请所述的子模块结构框架示意图;
图8为本申请所述的安全评估方法流程图;
图9为本申请所述的误差判断方法流程图。
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用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与发明相关的部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本公开的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”、“顺时针”、“逆时针”、“前端”、“后端”、“侧”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该公开产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本公开和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本公开的限制。此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
此外,术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂,而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平,并不是表示该结构一定要完全水平,而是可以稍微倾斜。
在本公开的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”、“对接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本公开中的具体含义。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
一种锂电池安全评估方法,包括如下步骤:
构建电池包仿真模型,所述电池包仿真模型包括多个电池仿真模块;
对电池包仿真模型进行循环充放电,实时采集多个电池模块的第一温度数值;
当所有电池仿真模块的第一温度数值达到预设稳定条件时,获取第一温度集合,所述第一温度集合为达到预设稳定条件时,多个电池仿真模块的第一温度数值;
逐个判断第一温度集合中第一温度数值大于等于第一温度阈值时,设定与该第一温度数值对应的电池仿真模块为第一类电池模块;其余电池仿真模块为第二类电池模块;
对电池包进行循环充放电,实时采集电池包在不同电池循环寿命下的第一类电池模块的第一外部特征参数和第二类电池模块的第二外部特征参数;所述电池循环寿命周期为电池当前容量与额定容量的百分比;所述第一外部特征参数至少包括第一电池温度、第一电压和第一电流;所述第二外部特征参数至少包括第二电池温度、第二电压和第二电流;
当电池循环寿命低于预设阈值时,停止采集,得到第一类电池模块的第一电池温度值、第一电压值和第一电流值集合和第二类电池模块的第二电池温度值、第二电压值和第二电流值集合;
由第一类电池模块的第一电池温度值、第一电压值和第一电流值集合构建第一标准模型,由第二类电池模块的第二电池温度值、第二电压值和第二电流值集合构建第二标准模型,第一标准模型包括不同电池循环寿命下第一类电池模块的第一电池温度和第一电压电流变化曲线;第二标准模型包括不同电池循环寿命下第二电池温度和第二电压电流的变化曲线;
采集被测电池在工作过程中第三外部特征参数,所述第三外部特征参数包括第三电池温度、第三电压和第三电流集合;
由被测电池的第三电池温度值、第三电压值和第三电流值集合建立被测电池的第三电池温度和第三电压电流变化曲线;
将被测电池的变化曲线与标准模型中的变化曲线进行拟合,获得被测电池的电池循环寿命,实现对被测电池的安全评估。
其中,构建的电池包仿真模型如图1和图2所示。电池包内一般有多个电池,电池包仿真模型也包括多个电池仿真模块。仿真模型仿真模拟出实际使用过程中电池包内电池的热分布情况,针对于温度更高易发生热失控的区域安装更多的温度传感器,加强对电池易发生故障区域的检测。以车用锂电池包为例,锂电池包内有多个锂电池。位于电池包不同位置的电池由于排列方式导致散热效果不同,将电池分为第一类电池模块和第二类电池模块,也即内部电池和外部电池,尽可能减少由于散热导致的数据不精确地问题。
对电池包仿真模型进行循环充放电,其实也就是模仿电池包在特定工况下工作,实施采集第一温度数值。
本申请中,考虑并模拟车用锂电池使用情况,将对电池包进行循环充电的特定工况设为:用2C(4.8A)电流进行恒流(Constant Current,CC)充电直到电压达到4.2V,然后恒压(Constant Voltage,CV)充电直到电流减小到C/20(0.12A)。静置1小时等电压恢复稳定后进行放电。进行2C的CC放电过程直到电压下降到2.75V。
采集被测电池在工作过程中的第三外部特征参数时,也可以将工作过程的实际情况与特定工况保持一致。比如车用锂离子电池在行车实际使用情况,也电池激活的工况。实际工况和设定工况相同,保证测量更准确。但是车用电池实际使用情况不同,由于标准模型最终以电池的循环寿命作为判断标准的,所以特定工况与预设工况不相同也不会影响评估结果。
其中,所述预设稳定条件为电池温度稳定的情况(或者特定工况循环0.5h后),因为电池刚刚激活工作时,内部化学反应不稳定电压电流数据也不稳定,只有电池温度稳定或者说电池工作一段时间后,电池内部化学成分逐渐稳定,电压电流数据稳定,测量的数据才会可靠。
其中,所述温度阈值在特定工况下设置为36℃,实际上,可以根据实际情况设定温度阈值,一般达到常温25℃。在本申请中,将第一温度数值温度处于及36℃以上区域的电池认定为第一类电池模块即内部电池,其他区域电池认定为第二类电池模块即外部电池。
构建标准模型时,需要采集电池在不同电池循环寿命(State Of Health,SOH)下的温度、电压和电流变化,因此对电池进行循环充放电。
其中,电池循环寿命(State Of Health,SOH)为当前电池容量/额定电池容量*100%。本申请中,所述电池循环寿命的预设阈值80%。一般情况下,电池循环寿命为80%即可认为该电池衰减至达到报废标准。所以在标准模型建立过程中,至少需要采集测量电池循环寿命(State Of Health,SOH)从100%至80%下的外部特征参数集。
可以理解的是,由于本申请将电池包分为内部电池和外部电池,采集电池用于建立在不同循环寿命(SOH)下温度(T)、电压(U)和电流(I)变化标准模型的数值的过程需要根据内部电池和外部电池分类进行采集,内部电池和外部电池数据分开保存。第一类电池模块和第二类电池模块的第一外部特征参数和第二外部特征参数采集后,分开保存。
现有技术中采集大量电池的电池循环寿命(SOH)曲线,将每个获得的电池循环寿命(SOH)拟合后合成模型曲线,然后将待评估电池与合成的模型曲线对比,故需要采集的样本数量非常大才能保证测量准确性。而本申请只需要采集一块或者同类电池不同循环寿命下的电压信息、电流信息还有温度信息,与待评估电池进行对比,与之前方法相比,模型建立初期需要采集的样本数量大大减少。
通过本申请所用的评估方法可以获得例如采集电池循环寿命为100%至80%的外部电池和内部电池的温度、电压和电流变化值,进而判断电池循环寿命,方便对电池安全性进行评估。如果想要加强电池评估全面性,可以拉长数据即增大数据的采集范围或者增加数据的采集密度,比如增加采集电池循环寿命在95%和85%的情况等等,因此本申请可以做到对电池安全评估的全面性,在衰减比较小的情况下也能评估判断,同时提高测量的精度。又由于本申请建立了可以在电池发生微弱衰减情况例如电池循环寿命为95%的情况下标准模型,与现有的电池衰减比较大的程度才对电池进行评估相比,可以及时发现电池早期微小故障,现有技术中没有提出对电池早期进行故障检测的方法。并且在标准模型建立过程中,通过对电压电流早期跳崖式等突变波形进行观测,及时发现电池早期故障,评估电池安全性。
具体地,图3和图5显示的是电池循环寿命(SOH)为90%时内部电池和外部电池的电池温度、电压和电流变化曲线;
具体地,图4和图6显示的是电池循环寿命(SOH)为80%时内部电池和外部电池的电池温度、电压和电流变化曲线。
当然也可以按照相同的方法,如图8所示,获得其他电池循环寿命下的变化曲线。
在本申请一具体实施方式中,将被测电池的变化曲线与标准模型的变化曲线进行拟合,包括如下步骤:
从不同电池循环寿命下的第一温度变化曲线和第二温度变化曲线中提取温度曲线特征参数,所述第一温度曲线特征参数包括电池放电时间所能达到的最高温度、电池开始放电至温度达到最高所用时间;
从不同电池循环寿命下的第一电压电流变化曲线和第二电压电流变化曲线中提取第一电压曲线特征参数,所述第一电压曲线特征参数包括放电开始至放电结束所用时间、放电结束至电压回升所用时间;
由提取的第一温度曲线特征参数和第一电压曲线特征参数,建立阶段模型;
从第三温度变化曲线中提取第二温度曲线特征参数,所述第二温度曲线特征参数包括电池放电时间所能达到的最高温度、电池开始放电至温度达到最高温度所用时间;
从第三电压电流变化曲线中提取第二电压曲线特征参数,所述第二电压曲线特征参数包括放电开始至放电结束所用时间、放电结束至电压回升所用时间;
将第二温度曲线特征参数和第二电压曲线特征参数输入阶段模型,得到被测电池所处的循环寿命阶段。
具体地,建立阶段模型,方便快速找到与被测电池的变化曲线拟合程度最高的标准模型的变化曲线,对电池的循环寿命进行初步判断。
在本申请一具体实施方式中,建立所述阶段模型包括如下步骤:
S1,建立阶段模型的子模块,所述子模块包括输入门、遗忘门和输出门;
S2,确定子模块的输入、输出以及输入门、遗忘门和输出门的计算方法,如下,
gt=σ(Wt[ht-1,Zt]+bt)
ft=σ(Wf[ht-1,Zt]+bf)
ot=σ(Wo[ht-1,Zt]+bo)
ht=ot·tan h(Ct)
其中,gt代表输入门计算方法,ft代表遗忘门计算方法,ot代表输出门计算方法,Wt代表系数组成的矩阵,b代表偏置的向量,ht代表t时刻的输出即电池循环寿命值,Zt代表t时刻提取的不同电池循环寿命下的第一和第二温度曲线特征参数、第一和第二电压曲线特征参数形成的矩阵,Ct是t时刻输出的结果也是当前状态,是当前状态的矢量形式;
S3,将t时刻提取的Zt、t-1时刻得到的输出的电池循环寿命值ht-1和t-1时刻得到的输出结果Ct-1代入子模块,得到t时刻输出的电池循环寿命值ht和t时刻的输出Ct;
S4,重复步骤S723预设次数,形成阶段模型。
具体地,子模块的结构框图如图7所示。所述遗忘门用于将前一个细胞传递的隐藏状态的信息和当前输入的信息同时传递到sigmoid函数中,σ是激活函数。
所述输入门用于更新细胞状态。首先将前一层隐藏状态的信息和当前输入的信息传递到sigmoid函数中去,将值调整到0~1之间来决定要更新的信息。其次还要实现的功能是将前一层隐藏状态的信息和当前输入的信息传递到tanh函数中去,创造一个新的合成向量。最后将sigmoid的输出值与tanh的输出值相乘,sigmoid的输出值将决定tanh的输出值中哪些信息是重要且需要保留下来的。
所述输出门用于确定下一个隐藏状态的值,隐藏状态包含先前输入的信息。将前一个隐藏状态和当前输入传递到sigmoid函数中,将新得到的细胞状态传递给tanh函数。最后将tanh的输出与sigmoid的输出相乘,确定隐藏状态携带的信息。再将隐藏状态作为当前细胞的输出,把新的细胞状态和新的隐藏状态传递到下一个时间步长中去。
可以理解的是,多个子模块重复迭代形成阶段模型,方便将第二温度曲线特征参数和第二电压曲线特征参数输入阶段模型,快速找到进行拟合的变化曲线。
其中,本申请实施例中,所述步骤S2中预设次数为10次,当然也可以根据需要将预设次数设置为其他数值。
在本申请一具体实施方式中,温度数据通过设置在电池包内部的每个电池模块上的温度传感器采集获得;位于第一类电池模块上的温度传感器的采集密度大于位于第二类电池模块上的温度传感器。
一般来说,利用电池包内部电池的排列方式给电池散热带来的影响,对内部电池处的温度传感器单位时间内采集次数更多,即采集密度更大,比单纯的在内部电池出多放传感器相比,更合理的安放温度传感器,加强对电池易发生故障区域的检测。
在本申请一具体实施方式中,建立标准模型包括如下步骤:
建立标准模型包括如下步骤:
分别建立第一类电池模块和第二类电池模块在不同电池循环寿命下的第一电池温度值、第一电压值和第一电流值和第二电池温度值、第二电压值和第二电流值变化值的拟合多项式:
y=a0+a1x+....akxk,
其中,y代表电池循环寿命下第一电池温度值、第一电压值和第一电流值或第二电池温度值、第二电压值和第二电流值的拟合值;x代表第一类电池模块或第二类电池模块在不同电池循环寿命下的第一电池温度值、第一电压值和第一电流值或第二电池温度值、第二电压值和第二电流值的实际值;k代表第一电池温度值、第一电压值和第一电流值或第二电池温度值、第二电压值和第二电流值的采集数量;
求取各数值采集点到拟合多项式形成的曲线的距离之和:
其中,R代表偏差,i代表第一电池温度值、第一电压值和第一电流值或第二电池温度值、第二电压值和第二电流值的采集数量;
对上述步骤的等式右边求ak的偏导数,得到:
将上述步骤得到的等式进行化简,得到:
将上述步骤得到的等式用矩阵形式表示并化简,得到
得到X*A=Y的拟合曲线,即为第一类电池模块或第二类电池模块在不同电池循环寿命下的第一电池温度、第一电压电流或第二电池温度、第二电压电流变化曲线。
具体地,建立标准模型时按照同样的方法分别建立第一类电池模块和第二类电池模块在不同电池循环寿命(SOH)第一电池温度、第一电压电流或第二电池温度、第二电压电流变化曲线。
可以理解的是,求ak的偏导数,是为了求取合适的a的值。其中,i=k。
具体地,得到拟合曲线后,内部电池和外部电池不同电池循环寿命(此处取电池寿命90%和80%为例说明)不同位置的温度、电压和电流变化模型如图3-6所示。
可以理解的是,在获取被测电池的温度、电压和电流变化曲线过程中,除采集的目标不相同以外需要做的工作与建立标准模型中获取的电池的温度、电压和电流变化曲线工作一致。
在本申请一具体实施方式中,将被测电池的变化曲线与标准模型的变化曲线进行拟合后,还需要判断误差是否超过预设值;
若误差超过预设值,重新选择标准模型的变化曲线;若误差未超过预设值,被测电池的变化曲线与标准模型的变化曲线拟合,得到被测电池的电池循环寿命。
具体地,如图9所示,被测电池与标准模型进行对比,判断误差大小;若误差太大,重新选择标准模型;若误差可以接受,再进行评估。以确保评估的准确性。
其中,误差预设值一般取5%,为了提高评估精确度,可以根据需要将误差预设值设为4%或者3%,将误差控制在需要的范围之内。
在本申请一具体实施方式中,判断误差采用如下三种偏差方式中的一种或者两种;
其中,δ代表偏差,M代表第一电池温度值、第一电压值和第一电流值或第二电池温度值、第二电压值和第二电流值,xj测电池在特定工况中采集到的第三电池温度值、第三电压值和第三电流值。
具体地,综合三种偏差的结果,判断被评估电池所在的寿命周期。
一般情况下,偏差结果达到5%预设值,即可判断。
以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本发明中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (7)
1.一种电池安全评估方法,其特征在于,包括如下步骤:
构建电池包仿真模型,所述电池包仿真模型包括多个电池仿真模块;
对电池包仿真模型进行循环充放电,实时采集多个电池模块的第一温度数值;
当所有电池仿真模块的第一温度数值达到预设稳定条件时,获取第一温度集合,所述第一温度集合为达到预设稳定条件时,多个电池仿真模块的第一温度数值;
逐个判断第一温度集合中第一温度数值大于等于第一温度阈值时,设定与该第一温度数值对应的电池仿真模块为第一类电池模块;其余电池仿真模块为第二类电池模块;
对电池包进行循环充放电,实时采集电池包在不同电池循环寿命下的第一类电池模块的第一外部特征参数和第二类电池模块的第二外部特征参数;所述电池循环寿命周期为电池当前容量与额定容量的百分比;所述第一外部特征参数至少包括第一电池温度、第一电压和第一电流;所述第二外部特征参数至少包括第二电池温度、第二电压和第二电流;
当电池循环寿命低于预设阈值时,停止采集,得到第一类电池模块的第一电池温度值、第一电压值和第一电流值集合和第二类电池模块的第二电池温度值、第二电压值和第二电流值集合;
由第一类电池模块的第一电池温度值、第一电压值和第一电流值集合构建第一标准模型,由第二类电池模块的第二电池温度值、第二电压值和第二电流值集合构建第二标准模型,第一标准模型包括不同电池循环寿命下第一类电池模块的第一电池温度和第一电压电流变化曲线;第二标准模型包括不同电池循环寿命下第二电池温度和第二电压电流的变化曲线;
采集被测电池在工作过程中第三外部特征参数,所述第三外部特征参数包括第三电池温度、第三电压和第三电流集合;
由被测电池的第三电池温度值、第三电压值和第三电流值集合建立被测电池的第三电池温度和第三电压电流变化曲线;
将被测电池的变化曲线与标准模型中的变化曲线进行拟合,获得被测电池的电池循环寿命,实现对被测电池的安全评估。
2.根据权利要求1所述的一种电池安全评估方法,其特征在于,将被测电池的变化曲线与标准模型的变化曲线进行拟合,包括如下步骤:
从不同电池循环寿命下的第一温度变化曲线和第二温度变化曲线中提取温度曲线特征参数,所述第一温度曲线特征参数包括电池放电时间所能达到的最高温度、电池开始放电至温度达到最高所用时间;
从不同电池循环寿命下的第一电压电流变化曲线和第二电压电流变化曲线中提取第一电压曲线特征参数,所述第一电压曲线特征参数包括放电开始至放电结束所用时间、放电结束至电压回升所用时间;
由提取的第一温度曲线特征参数和第一电压曲线特征参数,建立阶段模型;
从第三温度变化曲线中提取第二温度曲线特征参数,所述第二温度曲线特征参数包括电池放电时间所能达到的最高温度、电池开始放电至温度达到最高温度所用时间;
从第三电压电流变化曲线中提取第二电压曲线特征参数,所述第二电压曲线特征参数包括放电开始至放电结束所用时间、放电结束至电压回升所用时间;
将第二温度曲线特征参数和第二电压曲线特征参数输入阶段模型,得到被测电池所处的循环寿命阶段。
3.根据权利要求2所述的一种电池安全评估方法,其特征在于,
建立所述阶段模型包括如下步骤:
S1,建立阶段模型的子模块,所述子模块包括输入门、遗忘门和输出门;
S2,确定子模块的输入、输出以及输入门、遗忘门和输出门的计算方法,如下,
gt=σ(Wt[ht-1,Zt]+bt)
ft=σ(Wf[ht-1,Zt]+bf)
ot=σ(Wo[ht-1,Zt]+bo)
ht=ot.tan h(Ct)
其中,gt代表输入门计算方法,ft代表遗忘门计算方法,ot代表输出门计算方法,Wt代表系数组成的矩阵,b代表偏置的向量,ht代表t时刻的输出即电池循环寿命值,Zt代表t时刻提取的不同电池循环寿命下的第一温度曲线特征参数、第一电压曲线特征参数形成的矩阵,Ct是t时刻输出的结果也是当前状态,是当前状态的矢量形式;
S3,将t时刻提取的Zt、t-1时刻得到的输出的电池循环寿命值ht-1和t-1时刻得到的输出结果Ct-1代入子模块,得到t时刻输出的电池循环寿命值ht和t时刻的输出Ct;
S4,重复步骤S3预设次数,形成阶段模型。
4.根据权利要求1所述的一种电池安全评估方法,其特征在于,温度数据通过设置在电池包内部的每个电池模块上的温度传感器采集获得;位于第一类电池模块上的温度传感器的采集密度大于位于第二类电池模块上的温度传感器。
5.根据权利要求1所述的一种电池安全评估方法,其特征在于,建立标准模型包括如下步骤:
分别建立第一类电池模块和第二类电池模块在不同电池循环寿命下的第一电池温度值、第一电压值和第一电流值和第二电池温度值、第二电压值和第二电流值变化值的拟合多项式:
y=a0+a1x+....+akxk,
其中,y代表不同电池循环寿命下的第一电池温度值、第一电压值和第一电流值或第二电池温度值、第二电压值和第二电流值的拟合值;x代表第一类电池模块或第二类电池模块在不同电池循环寿命下的第一电池温度值、第一电压值和第一电流值或第二电池温度值、第二电压值和第二电流值的实际值;k代表第一电池温度值、第一电压值和第一电流值或第二电池温度值、第二电压值和第二电流值的采集数量;
求取各数值采集点到拟合多项式形成的曲线的距离之和:
其中,R代表偏差,i代表第一电池温度值、第一电压值和第一电流值或第二电池温度值、第二电压值和第二电流值的采集数量;
对上述步骤的等式右边求ak的偏导数,得到:
将上述步骤得到的等式进行化简,得到:
将上述步骤得到的等式用矩阵形式表示并化简,得到
得到X*A=Y的拟合曲线,即为第一类电池模块或第二类电池模块在不同电池循环寿命下的第一电池温度、第一电压电流或第二电池温度、第二电压电流变化曲线。
6.根据权利要求1所述的一种电池安全评估方法,其特征在于,
将被测电池的变化曲线与标准模型中的变化曲线进行拟合后,还需要判断二者误差是否超过预设值;
若误差超过预设值,重新选择标准模型的变化曲线;若误差未超过预设值,被测电池的变化曲线与标准模型的变化曲线拟合,得到被测电池的电池循环寿命。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210587593.0A CN114924193A (zh) | 2022-05-27 | 2022-05-27 | 一种电池安全评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210587593.0A CN114924193A (zh) | 2022-05-27 | 2022-05-27 | 一种电池安全评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114924193A true CN114924193A (zh) | 2022-08-19 |
Family
ID=82810799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210587593.0A Pending CN114924193A (zh) | 2022-05-27 | 2022-05-27 | 一种电池安全评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114924193A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115389958A (zh) * | 2022-10-28 | 2022-11-25 | 江苏海铂德能源科技有限公司 | 一种锂离子电池运行安全性评估方法及系统 |
CN117007999A (zh) * | 2023-08-08 | 2023-11-07 | 杭州意博科技有限公司 | 一种电池组故障诊断方法、装置及系统 |
CN117252074A (zh) * | 2023-11-14 | 2023-12-19 | 苏州易来科得科技有限公司 | 减少循环工况下耦合温度场仿真计算时间的方法和装置 |
CN117747993A (zh) * | 2023-12-29 | 2024-03-22 | 浙江明鹏新能源科技有限公司 | 一种电池包充电方法、系统、存储介质及智能终端 |
CN117849636A (zh) * | 2024-01-19 | 2024-04-09 | 中汇丰(北京)科技有限公司 | 一种基于人工智能的电池安全性能测试系统 |
CN117849636B (zh) * | 2024-01-19 | 2024-06-07 | 中汇丰(北京)科技有限公司 | 一种基于人工智能的电池安全性能测试系统 |
-
2022
- 2022-05-27 CN CN202210587593.0A patent/CN114924193A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115389958A (zh) * | 2022-10-28 | 2022-11-25 | 江苏海铂德能源科技有限公司 | 一种锂离子电池运行安全性评估方法及系统 |
CN117007999A (zh) * | 2023-08-08 | 2023-11-07 | 杭州意博科技有限公司 | 一种电池组故障诊断方法、装置及系统 |
CN117007999B (zh) * | 2023-08-08 | 2024-05-07 | 杭州意博科技有限公司 | 一种电池组故障诊断方法、装置及系统 |
CN117252074A (zh) * | 2023-11-14 | 2023-12-19 | 苏州易来科得科技有限公司 | 减少循环工况下耦合温度场仿真计算时间的方法和装置 |
CN117252074B (zh) * | 2023-11-14 | 2024-01-26 | 苏州易来科得科技有限公司 | 减少循环工况下耦合温度场仿真计算时间的方法和装置 |
CN117747993A (zh) * | 2023-12-29 | 2024-03-22 | 浙江明鹏新能源科技有限公司 | 一种电池包充电方法、系统、存储介质及智能终端 |
CN117849636A (zh) * | 2024-01-19 | 2024-04-09 | 中汇丰(北京)科技有限公司 | 一种基于人工智能的电池安全性能测试系统 |
CN117849636B (zh) * | 2024-01-19 | 2024-06-07 | 中汇丰(北京)科技有限公司 | 一种基于人工智能的电池安全性能测试系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114924193A (zh) | 一种电池安全评估方法 | |
JP5683175B2 (ja) | 電気化学システムの計測不能な特性を推定する改良された方法 | |
EP2188642B1 (en) | System and method for estimating long term characteristics of battery | |
CN113447828B (zh) | 一种基于贝叶斯神经网络的锂电池温度估计方法及系统 | |
Lyu et al. | A new method for lithium-ion battery uniformity sorting based on internal criteria | |
KR20200023672A (ko) | 딥러닝을 이용한 전지 진단 방법 | |
CN102565710A (zh) | 用于估计蓄电池健康状态的方法和装置 | |
CN105866700B (zh) | 一种锂离子电池快速筛选的方法 | |
CN111537885B (zh) | 一种串联电池组的多时间尺度短路电阻估计方法 | |
CN106696712A (zh) | 动力电池故障检测方法、系统及电动车辆 | |
Xu et al. | A vehicle-cloud collaborative method for multi-type fault diagnosis of lithium-ion batteries | |
CN114137417B (zh) | 一种基于充电数据特征的电池内短路检测方法 | |
CN115032542A (zh) | 一种基于混合模型的储能系统电池热失控预判方法 | |
Nuroldayeva et al. | State of health estimation methods for Lithium-ion batteries | |
Zhao et al. | State-of-health estimation with anomalous aging indicator detection of lithium-ion batteries using regression generative adversarial network | |
Saqli et al. | Lithium-ion battery electro-thermal modelling and internal states co-estimation for electric vehicles | |
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 | |
KR20230080112A (ko) | 배터리 현재 상태 예측을 위한 배터리 진단 장치 | |
Wu et al. | Comprehensive early warning strategies based on consistency deviation of thermal–electrical characteristics for energy storage grid | |
Kulkarni et al. | Li-ion battery digital twin based on online impedance estimation | |
CN117269768A (zh) | 基于容量增量曲线的并联电池组短路故障诊断方法及装置 | |
Ragsdale et al. | A novel battery identification method based on pattern recognition | |
CN106646260A (zh) | 一种基于遗传神经网络的bms系统的soc的估算方法 | |
CN116047339A (zh) | 基于热电耦合模型的锂离子电池组soc估计方法及装置 | |
KR20220082234A (ko) | Soc추정을 통해 배터리 상태를 진단하는 방법 및 장치 |
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 |