CN114942387B - 一种基于真实数据的动力电池故障在线检测方法及系统 - Google Patents

一种基于真实数据的动力电池故障在线检测方法及系统 Download PDF

Info

Publication number
CN114942387B
CN114942387B CN202210854409.4A CN202210854409A CN114942387B CN 114942387 B CN114942387 B CN 114942387B CN 202210854409 A CN202210854409 A CN 202210854409A CN 114942387 B CN114942387 B CN 114942387B
Authority
CN
China
Prior art keywords
data
battery
voltage
judgment result
sliding window
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
Application number
CN202210854409.4A
Other languages
English (en)
Other versions
CN114942387A (zh
Inventor
武明虎
孙萌
姜久春
张凡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hubei University of Technology
Original Assignee
Hubei University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hubei University of Technology filed Critical Hubei University of Technology
Priority to CN202210854409.4A priority Critical patent/CN114942387B/zh
Publication of CN114942387A publication Critical patent/CN114942387A/zh
Application granted granted Critical
Publication of CN114942387B publication Critical patent/CN114942387B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
    • B60L3/0046—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train relating to electric energy storage systems, e.g. batteries or capacitors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • 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

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明涉及一种基于真实数据的动力电池故障在线检测方法及系统，该技术方案包含基于滑动窗口实现在线检测、充电电压识别、数据清洗、基于最大中位电压差值进行故障预警判断、基于单体电压曲线和中位电压曲线进行Hausdorff距离计算、基于Hausdorff距离进行改进的Z‑分数计算、故障检测及定位。能够实现对于电池系统的在线实时检测和故障识别，保证电池安全可靠运行。本发明的有益效果是：（1）基于电池系统的实时充电电压数据进行在线监控、故障检测和预警；（2）该方法可在线应用、适合工程应用，可应用于BMS上；（3）基于改进Z‑分数代替固定阈值进行故障检测避免了不同型号车辆的阈值选择问题，更具有普适性。

Description

一种基于真实数据的动力电池故障在线检测方法及系统
技术领域
本发明属于电池系统的安全评估领域，具体涉及一种基于真实数据的动力电池故障在线检测方法及系统。
背景技术
电动汽车运行过程中会出现起火事件，通过对起火事故的分析可知，事故主要的起因有电池的自燃、充电和汽车碰撞，而这些原因所对应的内部机理是电池故障及其进一步引发的热失控。因此提出一种电池系统故障检测和预警方法十分必要。传统的故障诊断方法无法用于定位具体电池，当前常用的可以进行故障定位的方法主要有基于阈值的方法、基于相关系数的方法、基于机器学习的方法和基于熵的方法，但存在着无法识别故障类型、鲁棒性差、易受采样干扰等问题。另外，现有的许多先进故障诊断算法大多数都是基于实验室中静态电池实验进行验证的，不适于实时电池评估，对于真实电动汽车数据的可靠性仍需验证。因此，急需开发一种基于真实车辆数据的动力电池在线故障检测算法，提高预警时效性，促进电动汽车的安全稳定可靠运行。目前电池系统的在线安全诊断方法多为基于单体电池压差阈值的预警手段，容易产生漏报，预警效果较差，而基于大数据云平台的安全预警方法受限于数据采样周期长的原因，时效性较差，存在预警延迟问题。
发明内容
本发明的上述技术问题主要是通过下述技术方案得以解决的：
一种基于真实数据的动力电池故障在线检测方法，其特征在于，所述方法包括：
设置滑动窗口的长度并采集滑动窗口内的包括有充电电压数据V[]的电池实时数据,并根据所述电池实时数据确定汽车电池单体的使用状态,所述使用状态包括：充电状态和放电状态；
根据所述电池实时充电状态数据提取所述电池充电电压数据进行数据清洗，获得清洗处理数据；
根据所述清洗处理数据判断当前滑动窗口首次充电前是否发生不一致性故障得到第一判断结果，并获得处理数据；
根据所述处理数据计算本滑动窗口内每个采样点的最大压差并标记该情况下最小电压单体编号，得到编号一；
根据各电池单体的所述处理数据确定各单体电压曲线和中位电压曲线的Hausdorff 距离,并根据各所述电池单体的 Hausdorff 距离确定各电池单体的Hausdorff 距离的改进Z-分数；标记大于设定阈值的Z分数对应的单体编号二；
若编号一和二为同一编号则对应编号单体电池发生故障，否则，重新采集下一滑动窗口MW的充电电压数据。
在上述的一种基于真实数据的动力电池故障在线检测方法，电池实时数据包括总电压Vpack[]、总电流I[]、单体电压V[]和串联单体数量N，其中总电压、总电流、单体电压描述为数组形式[]。
在上述的一种基于真实数据的动力电池故障在线检测方法，在当前滑动窗口读取电池系统的实时状态后识别电池状态，若当前窗口内均为充电状态则进行数据清洗，若存在放电状态则重新采集下一滑动窗口内的数据并进行识别，至窗口内均为充电数据；电池状态的识别方法是根据电流值的正负来划分充电状态与放电状态。
在上述的一种基于真实数据的动力电池故障在线检测方法，所述电池充电电压数据进行数据清洗，获得处理数据，具体包括：
判断所述电池充电电压数据中是否存在相邻两行数据完全相同，得到第二判断结果；
当第二判断结果表示为存在相邻两行数据完全相同，则视为重复记录，删除后一行数据，获得处理数据；
当第二判断结果表示为不存在相邻两行数据完全相同，则直接获得处理数据；
判断所述电池充电电压数据中是否超过预设电压范围2V-5V，得到第三判断结果；
当第三判断结果表示为存在超过预设电压范围的数据，则删除该采样时刻所有数据，获得处理数据；
当第三判断结果表示为不存在超过预设电压范围的数据，则直接获得处理数据；
判断所述电池充电电压数据中是否存在缺失，得到第四判断结果；
当第四判断结果表示为存在电池充电电压数据缺失，则对所述电池充电电压数据进行处理，获得处理数据；
当第四判断结果表示为不存在电池充电电压数据缺失，则直接获得处理数据。
在上述的一种基于真实数据的动力电池故障在线检测方法，所述当第四判断结果表示为存在电池充电电压数据缺失，则对所述电池充电电压数据进行处理，获得处理数据，具体包括：
判断各所述电池充电电压数据中是否存在连续1min内存在采样数据的缺失，获得第五判断结果；
当第五判断结果表示为存在连续1min内存在采样数据的缺失，则直接将缺失时间中的所有数据清除，获得处理数据；
当第五判断结果表示为不存在连续1min内存在采样数据的缺失，则判断是否连续出现三个单体数据缺失，获得第六判断结果；
当第六判断结果表示为连续出现三个单体数据缺失，则删除该采样时间的所有数据，获得处理数据；
当第六判断结果表示为非连续缺失或仅连续缺失两个数据时，则采用相邻单体平均值插补的方法进行缺失值插补，获得处理数据。
在上述的一种基于真实数据的动力电池故障在线检测方法，根据所述处理数据判断当前滑动窗口首次充电前是否发生不一致性故障得到第一判断结果，并获得处理数据，具体包括：
判断当前滑动窗口是否为首次充电的滑动窗口，得到第七判断结果；
当第七判断结果表示为当前滑动窗口不是首次充电的滑动窗口，则直接将处理数据的值赋给处理数据；
当第七判断结果表示为当前滑动窗口是首次充电的滑动窗口，则计算当前滑动窗 口中各电芯充电过程中的中位电压值
Figure 745603DEST_PATH_IMAGE001
，中位电压值中的最大值
Figure 421435DEST_PATH_IMAGE002
、最小值
Figure 925098DEST_PATH_IMAGE003
和中位数
Figure 381487DEST_PATH_IMAGE004
以及电芯间最大中位电压差
Figure 746740DEST_PATH_IMAGE005
，计算公式如下：
电芯间最大中位电压差
Figure 604975DEST_PATH_IMAGE006
；
判断最大中位电压差
Figure 846250DEST_PATH_IMAGE005
是否大于等于阈值1，得到第一判断结果；
当第一判断结果表示所述最大中位电压差
Figure 665302DEST_PATH_IMAGE005
大于等于阈值1，表示所述电 池单体的充电电压数据在当前滑动窗口首次充电前存在不一致性故障，则将
Figure 614672DEST_PATH_IMAGE003
所在 电压曲线起点平移至
Figure 61834DEST_PATH_IMAGE007
所在电压曲线的起点，获得处理数据；
当第一判断结果表示所述最大中位电压差
Figure 923611DEST_PATH_IMAGE005
小于阈值1，表示所述电池单 体的充电电压数据在当前滑动窗口首次充电前不存在不一致性故障，则将所述处理数据作 为处理数据。
在上述的一种基于真实数据的动力电池故障在线检测方法，根据各电池单体的所述处理数据确定各单体电压曲线和中位电压曲线的 Hausdorff 距离，具体包括：
计算处理数据中各电芯电压曲线与中位电压曲线的 Hausdorff 距离，中位电压 曲线即本滑动窗口中每个采样时间下N个电芯端电压中的中位电压构成的曲线；距离值的 编号与电芯编号相同，即电芯1电压曲线与中位电压曲线的 Hausdorff 距离编号为1，记做
Figure 777428DEST_PATH_IMAGE008
， Hausdorff 距离的计算公式如下：
Figure 874697DEST_PATH_IMAGE009
其中，点集A为各单体电压曲线，
Figure 317311DEST_PATH_IMAGE010
表示点集A中的各点，点集B为中位电压曲线，
Figure 209044DEST_PATH_IMAGE011
表示点集B中的各点，
Figure 251955DEST_PATH_IMAGE012
是点集间的 Euclidean 距离，
Figure 887336DEST_PATH_IMAGE013
表示集合A到集合B 的单向Hausdorff距离，
Figure 450035DEST_PATH_IMAGE014
表示集合B到集合A的单向Hausdorff距离，
Figure 778248DEST_PATH_IMAGE015
表示
Figure 338149DEST_PATH_IMAGE013
和
Figure 918166DEST_PATH_IMAGE014
中的较大者，称为双向Hausdorff距离。
在上述的一种基于真实数据的动力电池故障在线检测方法，根据各所述电池单体的 Hausdorff 距离确定各电池单体的 Hausdorff 距离的改进Z-分数，对应计算公式如下：
Figure 646957DEST_PATH_IMAGE016
Figure 709853DEST_PATH_IMAGE017
Figure 71564DEST_PATH_IMAGE018
其中，
Figure 924114DEST_PATH_IMAGE019
表示HD的改进平均数，
Figure 586039DEST_PATH_IMAGE020
表示HD中的最大值，
Figure 380689DEST_PATH_IMAGE021
表示HD的方 差。
在上述的一种基于真实数据的动力电池故障在线检测方法，根据各所述电池单体的Hausdorff 距离的改进Z-分数判断是否发生故障，具体包括：
判断各所述电池单体的改进Z-分数是否大于等于阈值2，获得第八判断结果；
当第八判断结果表示所述改进Z-分数值小于阈值2，则确定电池单体未发生故障；
当第八判断结果表示所述改进Z-分数值大于等于阈值2，则标记该情况下电压单体编号，得到编号二；
判断所述编号一与编号二是否相同，获得第九判断结果；
当第九判断结果表示所述编号相同时，则确定电池单体发生故障；
当第九判断结果表示所述编号不同时，则确定电池单体发生采样错误。
一种系统，适用于所述检测方法，其特征在于，包括：
第一模块：被配置为用于设置滑动窗口的长度并采集滑动窗口内的包括有充电电压数据V[]的电池实时数据,并根据所述电池实时数据确定汽车电池单体的使用状态,所述使用状态包括：充电状态和放电状态；
第二模块：被配置为用于数据清洗，具体是根据电池实时充电状态数据提取所述电池充电电压数据进行数据清洗，获得清洗处理数据；
第三模块：被配置为用于判断数据结果，具体是根据所述清洗处理数据判断当前滑动窗口首次充电前是否发生不一致性故障得到第一判断结果，并获得处理数据；
根据所述处理数据计算本滑动窗口内每个采样点的最大压差并标记该情况下最小电压单体编号，得到编号一；
根据各电池单体的所述处理数据确定各单体电压曲线和中位电压曲线的Hausdorff 距离,并根据各所述电池单体的 Hausdorff 距离确定各电池单体的Hausdorff 距离的改进Z-分数；标记大于设定阈值的Z分数对应的单体编号二；
若编号一和二为同一编号则对应编号单体电池发生故障，否则，重新采集下一滑动窗口MW的充电电压数据。
因此，本发明具有如下优点：（1）基于电池系统的实时充电电压数据进行在线监控、故障检测和预警；（2）可在线应用、适合工程应用，可应用于BMS上；（3）基于改进Z-分数代替固定阈值进行故障检测避免了不同型号车辆的阈值选择问题，更具有普适性。
附图说明
附图1是本发明的一种方法流程示意图；
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：
本技术方案的实施步骤如附图1所示，利用滑动窗口读取电池系统数据，识别充电电压数据，通过首次充电时电芯间中位电压差值判断是否发生不一致性故障，进而通过平移电压曲线起点消除初始不一致性的影响，再而计算各电芯电压曲线与中位电压曲线的HD，并计算HD的Z-分数来进行故障定位，检测到故障后可进行预警。
本技术方案的具体实施步骤如下：
(a)设置滑动窗口(Moving window, MW)长度，转至步骤（b）；MW的大小会影响计算量和对故障的敏感性，需要在实际应用中进行选择，来平衡灵敏度和减小计算量的要求，推荐MW大小为50。
(b)在线获取电池系统的实时数据，转至步骤(c)；输入的信息包括总电压Vpack[]、总电流I[]、单体电压V[]和串联单体数量N，其中总电压、总电流、单体电压描述为数组形式[]，下同[]表示数组。
(c)在当前MW读取电池系统的实时状态后识别电池状态，若当前窗口内均为充电状态则转至步骤(d)，若存在放电状态则转至步骤(k)至窗口内均为充电数据；电池状态的识别方法：根据电流值的正负来划分充电状态与放电状态。
(d)提取当前MW中的充电电压数据V[]，进行数据清洗，转至步骤(e)。数据清洗方式如下：
(I)若存在相邻两行数据完全相同，则视为重复记录，删除后一行数据；
(II)预设电压范围为2V-5V，若数据超出阈值，则删除该采样时刻所有数据；
(III)判断数据是否存在缺失
根据不同缺失情况，提出如下两种缺失值处理方法：
1）若连续1min内存在采样数据缺失情况
由于采样时间为10s，当连续1min时间内，即连续6个采样点数据存在缺失，则直接将缺失时间中的所有数据清除；
2）若某一采样时间内部分单体缺失
若出现某一采样点内部分单体数据缺失，当连续出现三个单体数据缺失时，删除该采样时间的所有数据；当非连续缺失或仅连续缺失两个数据时，采用相邻单体平均值插补的方法进行缺失值插补。
(e) 计算当前滑动窗口中各电芯充电过程中的中位电压值
Figure 167379DEST_PATH_IMAGE022
，中位电压值中 的最大值
Figure 948253DEST_PATH_IMAGE023
、最小值
Figure 816415DEST_PATH_IMAGE024
和中位数
Figure 657333DEST_PATH_IMAGE025
以及电芯间最大中位电压差
Figure 134581DEST_PATH_IMAGE005
，计算公式如下：
电芯间最大中位电压差
Figure 640518DEST_PATH_IMAGE006
；
(f)判断本MW首次充电前是否发生不一致性故障，即第一个充电状态下的MW内
Figure 745877DEST_PATH_IMAGE005
是否大于等于阈值1；若
Figure 164220DEST_PATH_IMAGE005
大于等于阈值1，则判定电池组存在初始不一致 性，将
Figure 613918DEST_PATH_IMAGE026
所在电压曲线起点平移至
Figure 2174DEST_PATH_IMAGE027
所在电压曲线的起点，得到新的单体电 压
Figure 102986DEST_PATH_IMAGE028
，然后转至步骤(g)；若
Figure 144760DEST_PATH_IMAGE005
小于阈值1，则将
Figure 721235DEST_PATH_IMAGE029
的值赋给
Figure 5192DEST_PATH_IMAGE028
，然后转至步 骤(g)；若当前非第一个MW，则直接将
Figure 757247DEST_PATH_IMAGE029
的值赋给
Figure 110868DEST_PATH_IMAGE028
，然后转至步骤(g)。
(g)使用单体电压
Figure 830432DEST_PATH_IMAGE028
，计算本MW每个采样时刻的所有电芯电压间的最大压差
Figure 904698DEST_PATH_IMAGE030
并将压差最大时刻的最小电芯编号
Figure 104735DEST_PATH_IMAGE031
存储，转至步骤(j)；同时，计算
Figure 520935DEST_PATH_IMAGE028
中各 电芯电压曲线与中位电压曲线的 Hausdorff 距离(Hausdorff distance, HD)，得到HD []，转至步骤(h)；中位电压曲线即本MW中每个采样时间下N个电芯端电压中的中位电压构 成的曲线；HD的编号与电芯编号相同，即电芯1电压曲线与中位电压曲线的HD编号为1，记做
Figure 540844DEST_PATH_IMAGE008
。
(h)计算HD的改进Z-分数，转至步骤(i)，改进Z分数计算公式如下：
Figure 746697DEST_PATH_IMAGE032
Figure 660295DEST_PATH_IMAGE033
Figure 355719DEST_PATH_IMAGE034
；
(i)根据得到的Z-分数，判断Z-分数是否大于等于阈值2；若Z-分数大于等于阈值2，则存储编号i，转至步骤(j)；若Z-分数小于阈值2，则预警输出结果为：未发生故障，转至步骤(k)。
(j)进行故障定位，判断
Figure 3869DEST_PATH_IMAGE035
是否与
Figure 75730DEST_PATH_IMAGE036
相等；若相等，则预警输出结果为：电芯i发生 内短路故障；若不相等，则预警输出结果为：发生采样错误，转至步骤(k)。
(k)MW移至下一窗口，转至步骤(b)；如此循环。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (5)

1.一种基于真实数据的动力电池故障在线检测方法，其特征在于，所述方法包括：
设置滑动窗口的长度并采集滑动窗口内的包括有充电电压数据V[]的电池实时数据,并根据所述电池实时数据确定汽车电池单体的使用状态,所述使用状态包括：充电状态和放电状态；
根据所述电池实时充电状态数据提取所述电池充电电压数据进行数据清洗，获得清洗处理数据；
根据所述清洗处理数据判断当前滑动窗口首次充电前是否发生不一致性故障得到第一判断结果，并获得处理数据；
根据所述处理数据计算本滑动窗口内每个采样点的最大压差并标记该情况下最小电压单体编号，得到编号一；
根据各电池单体的所述处理数据确定各单体电压曲线和中位电压曲线的 Hausdorff距离,并根据各所述电池单体的 Hausdorff 距离确定各电池单体的 Hausdorff 距离的改进Z-分数；标记大于设定阈值的Z分数对应的单体编号二；
若编号一和二为同一编号则对应编号单体电池发生故障，否则，重新采集下一滑动窗口MW的充电电压数据，中位电压曲线为当前滑动窗口中每个采样时间下N个电芯端电压中的中位电压构成的曲线；
在当前滑动窗口读取电池系统的实时状态后识别电池状态，若当前窗口内均为充电状态则进行数据清洗，若存在放电状态则重新采集下一滑动窗口内的数据并进行识别，至窗口内均为充电数据；电池状态的识别方法是根据电流值的正负来划分充电状态与放电状态；
根据所述清洗处理数据判断当前滑动窗口首次充电前是否发生不一致性故障得到第一判断结果，并获得处理数据，具体包括：
判断当前滑动窗口是否为首次充电的滑动窗口，得到第七判断结果；
当第七判断结果表示为当前滑动窗口不是首次充电的滑动窗口，则直接将处理数据的值赋给处理数据；
当第七判断结果表示为当前滑动窗口是首次充电的滑动窗口，则计算当前滑动窗口中各电芯充电过程中的中位电压值
Figure 970093DEST_PATH_IMAGE001
，中位电压值中的最大值
Figure 74184DEST_PATH_IMAGE002
、最小值
Figure 526025DEST_PATH_IMAGE003
和中位数
Figure 186814DEST_PATH_IMAGE004
以及电芯间最大中位电压差
Figure 889934DEST_PATH_IMAGE005
，计算公式如下：
电芯间最大中位电压差
Figure 509134DEST_PATH_IMAGE006
；
判断最大中位电压差
Figure 979430DEST_PATH_IMAGE005
是否大于等于阈值1，得到第一判断结果；
当第一判断结果表示所述最大中位电压差
Figure 834122DEST_PATH_IMAGE005
大于等于阈值1，表示所述电池单体的充电电压数据在当前滑动窗口首次充电前存在不一致性故障，则将
Figure 768580DEST_PATH_IMAGE003
所在电压曲线起点平移至
Figure 325726DEST_PATH_IMAGE004
所在电压曲线的起点，获得处理数据；
当第一判断结果表示所述最大中位电压差
Figure 735847DEST_PATH_IMAGE005
小于阈值1，表示所述电池单体的充电电压数据在当前滑动窗口首次充电前不存在不一致性故障，则将所述处理数据作为处理数据；
根据各电池单体的所述处理数据确定各单体电压曲线和中位电压曲线的 Hausdorff距离，具体包括：
计算处理数据中各电芯电压曲线与中位电压曲线的 Hausdorff 距离，中位电压曲线即本滑动窗口中每个采样时间下N个电芯端电压中的中位电压构成的曲线；距离值的编号与电芯编号相同，即电芯1电压曲线与中位电压曲线的 Hausdorff 距离编号为1，记做
Figure 4018DEST_PATH_IMAGE007
， Hausdorff 距离的计算公式如下：
Figure 730665DEST_PATH_IMAGE008
其中，点集A为各单体电压曲线，
Figure 320696DEST_PATH_IMAGE009
表示点集A中的各点，点集B为中位电压曲线，
Figure 827901DEST_PATH_IMAGE010
表示点集B中的各点，
Figure 509549DEST_PATH_IMAGE011
是点集间的 Euclidean 距离，
Figure 684179DEST_PATH_IMAGE012
表示集合A到集合B的单向Hausdorff距离，
Figure 675137DEST_PATH_IMAGE013
表示集合B到集合A的单向Hausdorff距离，
Figure 935217DEST_PATH_IMAGE014
表示
Figure 217294DEST_PATH_IMAGE012
和
Figure 872528DEST_PATH_IMAGE013
中的较大者，称为双向Hausdorff距离；
根据各所述电池单体的 Hausdorff 距离确定各电池单体的 Hausdorff 距离的改进Z-分数，对应计算公式如下：
Figure 909755DEST_PATH_IMAGE015
Figure 532497DEST_PATH_IMAGE016
Figure 680582DEST_PATH_IMAGE017
其中，
Figure 688858DEST_PATH_IMAGE018
表示HD的改进平均数，
Figure 162564DEST_PATH_IMAGE019
表示HD中的最大值，
Figure 803761DEST_PATH_IMAGE020
表示HD的方差；
根据各所述电池单体的Hausdorff 距离的改进Z-分数判断是否发生故障，具体包括：
判断各所述电池单体的改进Z-分数是否大于等于阈值2，获得第八判断结果；
当第八判断结果表示所述改进Z-分数值小于阈值2，则确定电池单体未发生故障；
当第八判断结果表示所述改进Z-分数值大于等于阈值2，则标记该情况下电压单体编号，得到编号二；
判断所述编号一与编号二是否相同，获得第九判断结果；
当第九判断结果表示所述编号相同时，则确定电池单体发生故障；
当第九判断结果表示所述编号不同时，则确定电池单体发生采样错误。
2.根据权利要求1所述的一种基于真实数据的动力电池故障在线检测方法，其特征在于，电池实时数据包括总电压Vpack[]、总电流I[]、单体电压V[]和串联单体数量N，其中总电压、总电流、单体电压描述为数组形式[]。
3.根据权利要求2所述的一种基于真实数据的动力电池故障在线检测方法，其特征在于，所述电池充电电压数据进行数据清洗，获得处理数据，具体包括：
判断所述电池充电电压数据中是否存在相邻两行数据完全相同，得到第二判断结果；
当第二判断结果表示为存在相邻两行数据完全相同，则视为重复记录，删除后一行数据，获得处理数据；
当第二判断结果表示为不存在相邻两行数据完全相同，则直接获得处理数据；
判断所述电池充电电压数据中是否超过预设电压范围2V-5V，得到第三判断结果；
当第三判断结果表示为存在超过预设电压范围的数据，则删除该采样时刻所有数据，获得处理数据；
当第三判断结果表示为不存在超过预设电压范围的数据，则直接获得处理数据；
判断所述电池充电电压数据中是否存在缺失，得到第四判断结果；
当第四判断结果表示为存在电池充电电压数据缺失，则对所述电池充电电压数据进行处理，获得处理数据；
当第四判断结果表示为不存在电池充电电压数据缺失，则直接获得处理数据。
4.根据权利要求3所述的一种基于真实数据的动力电池故障在线检测方法，其特征在于，所述当第四判断结果表示为存在电池充电电压数据缺失，则对所述电池充电电压数据进行处理，获得处理数据，具体包括：
判断各所述电池充电电压数据中是否存在连续1min内存在采样数据的缺失，获得第五判断结果；
当第五判断结果表示为存在连续1min内存在采样数据的缺失，则直接将缺失时间中的所有数据清除，获得处理数据；
当第五判断结果表示为不存在连续1min内存在采样数据的缺失，则判断是否连续出现三个单体数据缺失，获得第六判断结果；
当第六判断结果表示为连续出现三个单体数据缺失，则删除该采样时间的所有数据，获得处理数据；
当第六判断结果表示为非连续缺失或仅连续缺失两个数据时，则采用相邻单体平均值插补的方法进行缺失值插补，获得处理数据。
5.一种基于真实数据的动力电池故障在线检测系统，适用于权利要求1所述检测方法，其特征在于，包括：
第一模块：被配置为用于设置滑动窗口的长度并采集滑动窗口内的包括有充电电压数据V[]的电池实时数据,并根据电池实时数据确定汽车电池单体的使用状态,所述使用状态包括：充电状态和放电状态；
第二模块：被配置为用于数据清洗，具体是根据所述电池实时充电状态数据提取所述电池充电电压数据进行数据清洗，获得清洗处理数据；
第三模块：被配置为用于判断数据结果，具体是根据所述清洗处理数据判断当前滑动窗口首次充电前是否发生不一致性故障得到第一判断结果，并获得处理数据；
根据所述处理数据计算本滑动窗口内每个采样点的最大压差并标记该情况下最小电压单体编号，得到编号一；
根据各电池单体的所述处理数据确定各单体电压曲线和中位电压曲线的 Hausdorff距离,并根据各所述电池单体的 Hausdorff 距离确定各电池单体的 Hausdorff 距离的改进Z-分数；标记大于设定阈值的Z分数对应的单体编号二；
若编号一和二为同一编号则对应编号单体电池发生故障，否则，重新采集下一滑动窗口MW的充电电压数据。
CN202210854409.4A 2022-07-20 2022-07-20 一种基于真实数据的动力电池故障在线检测方法及系统 Active CN114942387B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210854409.4A CN114942387B (zh) 2022-07-20 2022-07-20 一种基于真实数据的动力电池故障在线检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210854409.4A CN114942387B (zh) 2022-07-20 2022-07-20 一种基于真实数据的动力电池故障在线检测方法及系统

Publications (2)

Publication Number Publication Date
CN114942387A CN114942387A (zh) 2022-08-26
CN114942387B true CN114942387B (zh) 2022-10-25

Family

ID=82911539

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210854409.4A Active CN114942387B (zh) 2022-07-20 2022-07-20 一种基于真实数据的动力电池故障在线检测方法及系统

Country Status (1)

Country Link
CN (1) CN114942387B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115951231A (zh) * 2023-03-14 2023-04-11 长安大学 基于单体电池电压相关性的汽车动力电池故障预警方法
CN116400231B (zh) * 2023-06-09 2023-10-03 中国华能集团清洁能源技术研究院有限公司 储能系统的电池多故障检测方法、装置及电子设备
CN116736140B (zh) * 2023-08-08 2023-10-20 启垠科技(深圳)有限公司 基于储能量自检测的储能式极速充故障监测方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104049221A (zh) * 2014-07-08 2014-09-17 哈尔滨工业大学 基于滑动窗口和统计信息的电源电压故障诊断方法
CN106846742A (zh) * 2017-01-19 2017-06-13 南京新创力光电科技有限公司 基于Hausdorff距离的故障趋势预警方法及系统
CN110794305A (zh) * 2019-10-14 2020-02-14 北京理工大学 一种动力电池故障诊断方法和系统
CN110907833A (zh) * 2019-10-16 2020-03-24 北京理工大学 一种基于滑动窗口的动力电池故障诊断方法
CN110991475A (zh) * 2019-10-17 2020-04-10 中国科学院电子学研究所苏州研究院 一种基于多维距离度量的移动对象轨迹聚类方法
CN112540301A (zh) * 2020-11-27 2021-03-23 蜂巢能源科技有限公司 电池检测方法、装置及存储介质
CN113030763A (zh) * 2021-02-20 2021-06-25 武汉云衡智能科技有限公司 一种车用动力电池一致性差异的潜在风险诊断系统
US11081204B1 (en) * 2020-06-22 2021-08-03 Micron Technology, Inc. Method for setting a reference voltage for read operations
CN113391213A (zh) * 2021-07-30 2021-09-14 湖北工业大学 一种基于电池组一致性演变的电池微故障诊断方法
CN113406524A (zh) * 2021-05-26 2021-09-17 北京理工大学 一种动力电池系统的不一致性故障诊断方法及系统
CN113459894A (zh) * 2021-06-24 2021-10-01 北京理工大学 一种电动汽车电池安全预警方法及系统
WO2021259196A1 (zh) * 2020-06-22 2021-12-30 北京理工大学 一种电池组一致性评估方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220077514A1 (en) * 2020-09-07 2022-03-10 Hyundai Motor Company Battery management apparatus and energy storage system having the same

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104049221A (zh) * 2014-07-08 2014-09-17 哈尔滨工业大学 基于滑动窗口和统计信息的电源电压故障诊断方法
CN106846742A (zh) * 2017-01-19 2017-06-13 南京新创力光电科技有限公司 基于Hausdorff距离的故障趋势预警方法及系统
CN110794305A (zh) * 2019-10-14 2020-02-14 北京理工大学 一种动力电池故障诊断方法和系统
CN110907833A (zh) * 2019-10-16 2020-03-24 北京理工大学 一种基于滑动窗口的动力电池故障诊断方法
CN110991475A (zh) * 2019-10-17 2020-04-10 中国科学院电子学研究所苏州研究院 一种基于多维距离度量的移动对象轨迹聚类方法
US11081204B1 (en) * 2020-06-22 2021-08-03 Micron Technology, Inc. Method for setting a reference voltage for read operations
WO2021259196A1 (zh) * 2020-06-22 2021-12-30 北京理工大学 一种电池组一致性评估方法及系统
CN112540301A (zh) * 2020-11-27 2021-03-23 蜂巢能源科技有限公司 电池检测方法、装置及存储介质
CN113030763A (zh) * 2021-02-20 2021-06-25 武汉云衡智能科技有限公司 一种车用动力电池一致性差异的潜在风险诊断系统
CN113406524A (zh) * 2021-05-26 2021-09-17 北京理工大学 一种动力电池系统的不一致性故障诊断方法及系统
CN113459894A (zh) * 2021-06-24 2021-10-01 北京理工大学 一种电动汽车电池安全预警方法及系统
CN113391213A (zh) * 2021-07-30 2021-09-14 湖北工业大学 一种基于电池组一致性演变的电池微故障诊断方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Similarity Comparison Based High-Speed Pilot Protection for Transmission Line;Le Chen;《IEEE TRANSACTIONS ON POWER DELIVERY》;20180430;第938-948页 *
锂离子电池组容量差异辨识方法研究;柳杨 等;《中国电机工程学报》;20210220;第1422-1430页 *

Also Published As

Publication number Publication date
CN114942387A (zh) 2022-08-26

Similar Documents

Publication Publication Date Title
CN114942387B (zh) 一种基于真实数据的动力电池故障在线检测方法及系统
CN110018425B (zh) 一种动力电池故障诊断方法及系统
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
CN114559819B (zh) 一种基于信号处理的电动汽车电池安全预警方法
CN109765490B (zh) 一种基于高维数据诊断的动力电池故障检测方法及系统
CN113310647B (zh) 电池包泄露检测的方法、装置、电子设备及存储介质
CN112345955B (zh) 一种动力电池多故障在线诊断方法与系统
CN114942386B (zh) 一种动力电池故障在线检测方法及系统
CN110749829B (zh) 一种供电设备异常检测方法及装置
CN112630660A (zh) 一种基于支持向量机的电池故障识别方法
CN115384311A (zh) 诊断动力电池绝缘故障方法、系统、车辆及存储介质
CN113030758B (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
WO2023124220A1 (zh) 车辆检测方法及装置
CN115951231A (zh) 基于单体电池电压相关性的汽车动力电池故障预警方法
CN116442786A (zh) 动力电池压差异常的识别方法、装置、服务器及存储介质
CN117341476B (zh) 一种电池压差故障预警方法及系统
CN114312319A (zh) 基于电压累计值的电池安全监控方法、存储介质及车辆
CN117783872A (zh) 动力电池的数据异常检测方法、装置、服务器及存储介质
CN117517966A (zh) 一种电池组的故障诊断方法
CN117031337A (zh) 一种电芯内短路检测方法、装置、存储介质及设备
CN116256642A (zh) 一种适用于稀疏数据的磷酸铁锂电池故障诊断方法
CN113533985B (zh) 一种电池包内阻异常模块的识别方法及其存储介质
CN116080470A (zh) 电动汽车的动力电池监控方法、装置、服务器及介质
CN115469226A (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
CN113240002A (zh) 一种车联网大数据预处理系统、装置和方法

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