CN115128473A - 一种锂电池的析锂监测方法和装置 - Google Patents
一种锂电池的析锂监测方法和装置 Download PDFInfo
- Publication number
- CN115128473A CN115128473A CN202210848365.4A CN202210848365A CN115128473A CN 115128473 A CN115128473 A CN 115128473A CN 202210848365 A CN202210848365 A CN 202210848365A CN 115128473 A CN115128473 A CN 115128473A
- Authority
- CN
- China
- Prior art keywords
- time
- lithium
- inflection point
- voltage
- lithium battery
- 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
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 182
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 182
- 238000004458 analytical method Methods 0.000 title claims abstract description 93
- 238000012544 monitoring process Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000000605 extraction Methods 0.000 claims abstract description 24
- 238000007599 discharging Methods 0.000 claims description 23
- 238000004088 simulation Methods 0.000 claims description 16
- 238000012806 monitoring device Methods 0.000 claims description 8
- 238000013473 artificial intelligence Methods 0.000 claims description 7
- 238000000926 separation method Methods 0.000 claims description 7
- 230000008021 deposition Effects 0.000 claims 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 6
- 229910001416 lithium ion Inorganic materials 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013075 data extraction Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 210000001787 dendrite Anatomy 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 239000007772 electrode material Substances 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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]
- G01R31/382—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
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供了一种锂电池的析锂监测方法，包括：采集一个模组的锂电池的电压时间数据；对所述电压时间数据进行特征提取，得到符合预设范围的充放电的电压时间数据；对所述充放电的电压时间数据，进行拐点判断；确定存在所述拐点，对发生所述拐点的拐点时间进行分级；基于所述拐点时间的级别，对所述锂电池的析锂量进行监测。本发明采取大数据中的数据特征提取和电化学模型相结合的方式，并建立一系列日志和阈值制度，对锂电池进行析锂监测和预警。
Description
技术领域
本发明涉及电池管理技术领域，尤指一种锂电池的析锂监测方法和装置。
背景技术
全球“碳中和”背景下，对可代替石油能源的清洁能源寻找热情持续升温。太阳能、潮汐能、风能、水能等是一种清洁的可持续利用的能源，但能源产生的介质可控性相对不是很强。锂离子电池是目前新一代二次电池、其具有较高的能量密度和循环寿命，目前广泛应用于移动通信、数码科技、电动汽车、能源存储等领域，未来对锂离子电池及其材料的需求难以估量、其配套的上下游产业链也市场巨大。对于锂电池建立物理化学模型，得到电池内部空间时间上的物理化学状态量的模拟数值，能够给更加清晰地了解监控锂电池的实时工作状态，从而更好保障锂电池的经济性、可靠性和安全性。
在锂电池内部容易出现锂离子失去或短暂失去活性在电极材料表面沉积，形成金属锂的现象，这种现象称之为“析锂”。析锂会导致电池内部的可用锂离子减少，放热增加，宏观表现为容量减少，工作后温度易上升。更危险的，锂离子易沉积成为锂枝晶，导致局部电场电势梯度减少，造成不同程度上的内短路，甚至物理性的刺穿隔膜。因此必须对锂电池的析锂情况进行监测，对于析锂严重到一定程度地锂电池采取措施甚至直接退役。
传统的锂离子电池析锂检测方法需要打开可能发生析锂的电池，后验进行查看，而没有任何预测性，不利于工程实施，且毫无经济性。现有的无损伤析锂监测方法，基于电池电压时间最小值的判断或关于电池弛豫平台的判断，但是在实际工程应用时，由于采样时间间隔的存在，数据离散且存在一定程度的失真，会存在漏判。另外，现有的无损析锂方法是基于等效电路法的析锂演绎和比较，这种方法实质是无法提供锂电池内部物理参数的任何信息，必须通过先验性的实验数据的记录比较，不利于工程应用且缺乏预测性。
发明内容
本发明的目的是提供一种锂电池的析锂监测方法和装置，用于解决对电池状态不利于工程应用且缺乏一定预测性的问题。
本发明提供的技术方案如下：
一种锂电池的析锂监测方法，包括：
采集一个模组的锂电池的电压时间数据；
对所述电压时间数据进行特征提取，得到符合预设范围的充放电的电压时间数据；
对所述充放电的电压时间数据，进行拐点判断；
确定存在所述拐点，对发生所述拐点的拐点时间进行分级；
基于所述拐点时间的级别，对所述锂电池的析锂量进行监测。
在一些实施例中，所述对所述电压时间数据进行特征提取，得到符合预设范围的充放电的电压时间数据，包括：
判断所述充放电的电压时间数据是否符合预设范围，具体包括：
判断在充电或放电截止后第一时间阈值内电压数值，是否低于第二电压阈值；
若是，则判断低于所述第二电压阈值存在的时间是否低于第三时间阈值；
若是，则确定所述充放电的电压时间数据符合预设范围。
在一些实施例中，所述确定存在所述拐点，对发生所述拐点的拐点时间进行分级包括：
计算所述拐点时间距离所述充放电的电压时间数据中截止时刻的差值时间；根据所述差值时间，对所述拐点时间进行分级。
在一些实施例中，所述基于所述拐点时间的级别，对所述锂电池的析锂量进行监测，包括：
当所述拐点时间小于第四时间阈值时，建立所述拐点时间的日志文件；
当所述拐点时间到达第五时间阈值时，强制所述锂电池停止使用；
其中，所述第四时间阈值的最大值小于所述第五时间阈值的最小值。
在一些实施例中，所述基于所述拐点时间的级别，对所述锂电池的析锂量进行监测，还包括：
当所述拐点时间大于所述第四时间阈值且小于所述第五时间阈值时，对所述锂电池的充电数据或放电数据进行模拟仿真，得到对应的析锂量；
对所述析锂量建立日志文件。
在一些实施例中，在所述对所述析锂量建立日志文件，还包括：
确定所述析锂量大于第六析锂量阈值且小于第七析锂量阈值时，通过时间序列模型或人工智能模型计算所述析锂量到达所述第七析锂量阈值的时间；
基于所述析锂量到达所述第七析锂量阈值的时间，对所述析锂量进行预警。
在一些实施例中，还包括：
当所述析锂量到达所述第七析锂量阈值时，强制所述锂电池停止使用。
一种锂电池的析锂监测装置，包括：
采集模块，用于采集一个模组的锂电池的电压时间数据；
提取模块，用于对所述电压时间数据进行特征提取，得到符合预设范围的充放电的电压时间数据；
判断模块，用于对所述充放电的电压时间数据，进行拐点判断；
分级模块，用于确定存在所述拐点，对发生所述拐点的拐点时间进行分级；
监测模块，用于基于所述拐点时间的级别，对所述锂电池的析锂量进行监测。
在一些实施例中，所述提取模块，还用于：
判断所述充放电的电压时间数据是否符合预设范围，具体包括：
判断在充电或放电截止后第一时间阈值内电压数值，是否低于第二电压阈值；
若是，则判断低于所述第二电压阈值存在的时间是否低于第三时间阈值；
若是，则确定所述充放电的电压时间数据符合预设范围。
在一些实施例中，所述分级模块，用于：
计算所述拐点时间距离所述充放电的电压时间数据中截止时刻的差值时间；根据所述差值时间，对所述拐点时间进行分级。
与现有技术相比，本发明所提供的一种锂电池的析锂监测方法和装置，能够带来以下有益效果：
本发明采取大数据中的数据特征提取和电化学模型相结合的方式，并建立一系列日志和阈值制度，对锂电池进行析锂监测和预警。
本发明可以免拆解来了解内部的析锂情况，从而对锂电池的安全状态和竞技状态进行评估。
附图说明
下面将以明确易懂的方式，结合附图说明优选实施方式，对一种锂电池的析锂监测方法的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明的一种锂电池的析锂监测方法的一个实施例的流程图；
图2是本发明的一种锂电池的析锂监测装置的一个实施例的示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
在一个实施例中，如图1所示，本发明提供一种锂电池的析锂监测方法，包括：
S101采集一个模组的锂电池的电压时间数据。
具体的，电压采集的方法是通过电池管理系统中的电压传感器采集的。
需要说明的是，模组一般有单体、箱、簇、堆等级别。每个级别是一定的电气拓扑结构。对应每个级别目前的电池管理系统都会有电压的传感，实际上本发明会受传感器的物理架设条件限制。
对应用场景的某个模组级别所有的电池电压时间数据进行采集，此处的模组级别受采集传感器的级别所限。较优地，采取至簇级即采用簇级电压时间数据，否则采用最低级模组级别的电池电压时间数据。对于有特殊要求的，可采集单体级电池电压时间数据。
S102对所述电压时间数据进行特征提取，得到符合预设范围的充放电的电压时间数据。
具体的，判断充放电数据是否合格是作为析锂量监测的判断依据。
S103对所述充放电的电压时间数据，进行拐点判断。
具体的，对于提取出的电压时间数据，判断是否有拐点，以及出现拐点距离截止时刻的时间。
其中，拐点在连续函数上的定义是二阶导为0且左右二阶导变号的点。在本发明中直观的看是曲线的图形，在这个点前后从上凸、下凸互变的点。但对于离散数据，定义为二阶差商在此点前后变号的点。
具体的一个实施例，在3600s这个时间窗口内，电流的绝对值不存在超过3A，且若存在小于3A的电流，其总时长不超过300s。
拐点的定义：拐点，又称反曲点，在数学上指改变曲线向上或向下方向的点，直观地说拐点是使切线穿越曲线的点，即连续曲线的凹弧与凸弧的分界点。
本发明实现是对电压时间数据进行差分计算，也就是对电压时间序列进行前一个减后一个的计算，得到一个新的时间序列，关注这个新的时间序列出现明显变号的时间点，即为拐点。
S104确定存在所述拐点，对发生所述拐点的拐点时间进行分级。
具体的，对数据拐点发生距离截止时刻的时间分级。
S105基于所述拐点时间的级别，对所述锂电池的析锂量进行监测。
本发明提供了一种基于电池数据特征提取和电化学模型的锂电池析锂监测方法。首先通过对应用场景的某个模组级别所有的电池电压时间数据进行采集，对此数据集中每次的充电、放电截止时间通过数据特征进行提取，之后将截止后的弛豫时间内的电压时间数据进行拐点检测，查看是否存在拐点，以及拐点距离截止时刻的时间。对于时间大于不同阈值的的数据分策略处理，超过最严格阈值的电池电压数据，将代入电化学模型中模拟，按电池启示情况演绎仿真锂电池析锂情况，通过建立日志进行监测和预警。
在本实施例中，通过对电池数据的充电放电截止判断和拐点时间的提取，电化学模型在析锂上的演绎仿真，以及阈值判断与分级制度，确保有效性和经济性。
在一个实施例中，所述对所述电压时间数据进行特征提取，得到符合预设范围的充放电的电压时间数据，包括：
判断所述充放电的电压时间数据是否符合预设范围，具体包括：
判断在充电或放电截止后第一时间阈值内电压数值，是否低于第二电压阈值；
若是，则判断低于所述第二电压阈值存在的时间是否低于第三时间阈值；
若是，则确定所述充放电的电压时间数据符合预设范围。
具体的，第一时间阈值即阈值1、第二电压阈值即阈值2、第三时间阈值即阈值3的判断是为了筛选和清洗出合格的充放电数据以进行数据处理。所需要的充放电数据是在充电或者放电截止后足够静置的数据。这里足够的标准是在阈值1的时间段内，不允许存在超过阈值2的电流存在，且在阈值1这个时间段内低于阈值2的电流存在的时间总长少于阈值3。
具体的一个实施例，在3600s这个时间窗口内，电流的绝对值不存在超过3A，且若存在小于3A的电流，其总时长不超过300s。
在一个实施例中，所述确定存在所述拐点，对发生所述拐点的拐点时间进行分级包括：
计算所述拐点时间距离所述充放电的电压时间数据中截止时刻的差值时间；根据所述差值时间，对所述拐点时间进行分级。
在一个实施例中，所述基于所述拐点时间的级别，对所述锂电池的析锂量进行监测，包括：
当所述拐点时间小于第四时间阈值时，建立所述拐点时间的日志文件；
当所述拐点时间到达第五时间阈值时，强制所述锂电池停止使用；
其中，所述第四时间阈值的最大值小于所述第五时间阈值的最小值。
具体的，第四时间阈值即阈值4、第五时间阈值阈值5是对于拐点出现时间进行三级预警响应的阈值。低于阈值4则析锂不明显，但进行日志。在阈值4和阈值5之间的则需要对其具体析锂情况进行计算模拟，可以采用大数据模型也可以采用电化学模型仿真。在阈值5以上的则强制退役。
在一个实施例中，所述基于所述拐点时间的级别，对所述锂电池的析锂量进行监测，还包括：
当所述拐点时间大于所述第四时间阈值且小于所述第五时间阈值时，对所述锂电池的充电数据或放电数据进行模拟仿真，得到对应的析锂量；
对所述析锂量建立日志文件。
在一个实施例中，在所述对所述析锂量建立日志文件，还包括：
确定所述析锂量大于第六析锂量阈值且小于第七析锂量阈值时，通过时间序列模型或人工智能模型计算所述析锂量到达所述第七析锂量阈值的时间；
基于所述析锂量到达所述第七析锂量阈值的时间，对所述析锂量进行预警。
当所述析锂量到达所述第七析锂量阈值时，强制所述锂电池停止使用。
具体的，对于阈值4和5之间的析锂量模拟情况。进行三级预警响应，其对应的两个阈值是第六析锂量阈值即阈值6和第七析锂量阈值即阈值7。阈值6和阈值7之间的情况进行计算预估其到达阈值7的情况。阈值7以上，强制退役。
示例性的，对3000s的电压数据进行监测后，看拐点出现的时刻，比如是1400s这里是个三级响应，对应两个阈值判断也就是阈值4和阈值5。
比如：对这个1400s进行判断，判断和1000s、1500s的关系，然后根据关系进行操作。如果1400s大于1000s小于1500s，那么锂电池是有一定析锂的，但不是最高级严重。此时对该析锂量通过人工智能识别或者仿真得到此次放电析锂的量，得到之后进行判断。这里是另一个三级响应，对应另外两个阈值判断也就是阈值6和阈值7。
在一个实施例中，本发明提供了一种基于电池数据提取和电化学模型的锂电池析锂监测方法。
其首先通过对应用场景的某个模组级别所有的电池电压时间数据进行采集，对此数据集中每次的充电、放电截止时间通过数据特征进行提取，之后将截止后的弛豫时间内的电压时间数据进行拐点检测，查看是否存在拐点，以及拐点距离截止时刻的时间，对于时间大于不同阈值的的数据分级处理。
对于一些级别，例如：单体电芯级别，将数据：电化学模型模拟仿真所需要的电化学参数和虚拟电池所孪生的真实电池的环境以及工况代入电化学模型中模拟，按电池启示情况演绎仿真锂电池析锂情况，涉及模型的物理意义和数值模拟以及算法优化，对所有级别通过建立日志进行监测和预警。
根据本发明的一种基于电池数据特征提取和电化学模型的锂电池析锂监测方法，其包括如下步骤：
步骤S1、电池电压时间数据采集，电压采集的方法是通过电池管理系统中的电压传感器采集的。一般有单体-箱-簇-堆等级别。每个级别是一定的电气拓扑结构。对应每个级别目前的电池管理系统都会有电压的传感。实际上本发明会受传感器的物理架设条件限制。
对应用场景的某个模组级别所有的电池电压时间数据进行采集，此处的模组级别受采集传感器的级别所限，较优地可采取至簇级即采用簇级电压时间数据，否则采用最低级模组级别的电池电压时间数据。对于有特殊要求的，可采集单体级电池电压时间数据。
步骤S2、电池电压时间数据提取：
对电池电压时间数据进行提取，首先提取合格的充电、放电数据，其基本要求是充电或放电截止后某一阈值1的时间内出现低于某一阈值2的电流的充电或放电的总时长低于某一阈值3。此提取可基于采集数据进行逻辑判断亦可通过诸如卷积等人工智能的底层特征提取方法。
示例性的，如果一个电池放电截止，那么取此电池放电截止后3000s内的电压时间数据，获取此3000s电压数据中电压数值低于2.8V的电压对应的时间的秒数，再进一步判断此秒数是否低于1500s。
其中，3000s是阈值1，2.8V是阈值2，1500s是阈值3。这主要是判断充放电数据是否合格作为析锂监测的判断依据的。
步骤S3、拐点判断：先判断拐点，在大于阈值4小于阈值5时，判断子节点的析锂量。析锂量大的强制退役。析锂量不是很大，判断多久之后析锂量会很大，对多久之后会很大进行预测和预警。
之后对于提取出的电压时间数据，判断是否有拐点，以及出现拐点距离截止时刻的时间。拐点在连续函数上的定义是二阶导为0且左右二阶导变号的点。直观的看是曲线的图形，在这个点前后从上凸、下凸互变的点。但对于离散数据，定义为二阶差商在此点前后变号的点。
步骤S4、阈值判断与分级：
针对数据拐点发生距离截止时刻的时间分级。
对于出现拐点，且拐点时间小于阈值4的，建立拐点时间的日志。
对于拐点时间到达阈值5的，强制退役。
对于拐点时间大于阈值4，且小于阈值5的，将电池每次的充电或放电数据进行模拟仿真，这里通过人工智能的参数识别和电化学仿真得到此次充电或放电的析锂量，对析锂量进行日志建立，同时注意仿真的时候需要得到电流工况和温度。
对其中析锂量进行判断大于阈值6且小于阈值7的，通过时间序列模型或人工智能模型计算预测其到达阈值7的时间。
对到达阈值7的时间进行预测和预警，若析锂量已到达阈值7，则强制退役。
在一个实施例中，本发明提供一种锂电池的析锂监测装置，如图2所示，包括：
采集模块101，用于采集一个模组的锂电池的电压时间数据。
提取模块102，用于对所述电压时间数据进行特征提取，得到符合预设范围的充放电的电压时间数据。
判断模块103，用于对所述充放电的电压时间数据，进行拐点判断。
分级模块104，用于确定存在所述拐点，对发生所述拐点的拐点时间进行分级。
监测模块105，用于基于所述拐点时间的级别，对所述锂电池的析锂量进行监测。
在一个实施例中，所述提取模块，还用于：
判断所述充放电的电压时间数据是否符合预设范围，具体包括：
判断在充电或放电截止后第一时间阈值内电压数值，是否低于第二电压阈值；
若是，则判断低于所述第二电压阈值存在的时间是否低于第三时间阈值；
若是，则确定所述充放电的电压时间数据符合预设范围。
在一个实施例中，所述分级模块，用于：
计算所述拐点时间距离所述充放电的电压时间数据中截止时刻的差值时间；根据所述差值时间，对所述拐点时间进行分级。
本发明采取大数据中的数据特征提取和电化学模型相结合的方式，并建立一系列日志和阈值制度，对锂电池进行析锂监测和预警。
应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种锂电池的析锂监测方法，其特征在于，包括：
采集一个模组的锂电池的电压时间数据；
对所述电压时间数据进行特征提取，得到符合预设范围的充放电的电压时间数据；
对所述充放电的电压时间数据，进行拐点判断；
确定存在所述拐点，对发生所述拐点的拐点时间进行分级；
基于所述拐点时间的级别，对所述锂电池的析锂量进行监测。
2.根据权利要求1所述的一种锂电池的析锂监测方法，其特征在于，所述对所述电压时间数据进行特征提取，得到符合预设范围的充放电的电压时间数据，包括：
判断所述充放电的电压时间数据是否符合预设范围，具体包括：
判断在充电或放电截止后第一时间阈值内电压数值，是否低于第二电压阈值；
若是，则判断低于所述第二电压阈值存在的时间是否低于第三时间阈值；
若是，则确定所述充放电的电压时间数据符合预设范围。
3.根据权利要求1所述的一种锂电池的析锂监测方法，其特征在于，所述确定存在所述拐点，对发生所述拐点的拐点时间进行分级包括：
计算所述拐点时间距离所述充放电的电压时间数据中截止时刻的差值时间；根据所述差值时间，对所述拐点时间进行分级。
4.根据权利要求1所述的一种锂电池的析锂监测方法，其特征在于，所述基于所述拐点时间的级别，对所述锂电池的析锂量进行监测，包括：
当所述拐点时间小于第四时间阈值时，建立所述拐点时间的日志文件；
当所述拐点时间到达第五时间阈值时，强制所述锂电池停止使用；
其中，所述第四时间阈值的最大值小于所述第五时间阈值的最小值。
5.根据权利要求1～4中任一项所述的一种锂电池的析锂监测方法，其特征在于，所述基于所述拐点时间的级别，对所述锂电池的析锂量进行监测，还包括：
当所述拐点时间大于所述第四时间阈值且小于所述第五时间阈值时，对所述锂电池的充电数据或放电数据进行模拟仿真，得到对应的析锂量；
对所述析锂量建立日志文件。
6.根据权利要求5所述的一种锂电池的析锂监测方法，其特征在于，在所述对所述析锂量建立日志文件，还包括：
确定所述析锂量大于第六析锂量阈值且小于第七析锂量阈值时，通过时间序列模型或人工智能模型计算所述析锂量到达所述第七析锂量阈值的时间；
基于所述析锂量到达所述第七析锂量阈值的时间，对所述析锂量进行预警。
7.根据权利要求6所述的一种锂电池的析锂监测方法，其特征在于，还包括：
当所述析锂量到达所述第七析锂量阈值时，强制所述锂电池停止使用。
8.一种锂电池的析锂监测装置，其特征在于，包括：
采集模块，用于采集一个模组的锂电池的电压时间数据；
提取模块，用于对所述电压时间数据进行特征提取，得到符合预设范围的充放电的电压时间数据；
判断模块，用于对所述充放电的电压时间数据，进行拐点判断；
分级模块，用于确定存在所述拐点，对发生所述拐点的拐点时间进行分级；
监测模块，用于基于所述拐点时间的级别，对所述锂电池的析锂量进行监测。
9.根据权利要求8所述的一种锂电池的析锂监测装置，其特征在于，所述提取模块，还用于：
判断所述充放电的电压时间数据是否符合预设范围，具体包括：
判断在充电或放电截止后第一时间阈值内电压数值，是否低于第二电压阈值；
若是，则判断低于所述第二电压阈值存在的时间是否低于第三时间阈值；
若是，则确定所述充放电的电压时间数据符合预设范围。
10.根据权利要求8所述的一种锂电池的析锂监测装置，其特征在于，所述分级模块，用于：
计算所述拐点时间距离所述充放电的电压时间数据中截止时刻的差值时间；根据所述差值时间，对所述拐点时间进行分级。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210848365.4A CN115128473A (zh) | 2022-07-19 | 2022-07-19 | 一种锂电池的析锂监测方法和装置 |
| US18/222,552 US20240027529A1 (en) | 2022-07-19 | 2023-07-17 | Method and system for detecting lithium precipitation of lithium batteries |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210848365.4A CN115128473A (zh) | 2022-07-19 | 2022-07-19 | 一种锂电池的析锂监测方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115128473A true CN115128473A (zh) | 2022-09-30 |
Family
ID=83384756
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210848365.4A Pending CN115128473A (zh) | 2022-07-19 | 2022-07-19 | 一种锂电池的析锂监测方法和装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20240027529A1 (zh) |
| CN (1) | CN115128473A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115794744A (zh) * | 2022-12-20 | 2023-03-14 | 北京优特捷信息技术有限公司 | 一种日志展示方法、装置、设备和存储介质 |
-
2022
- 2022-07-19 CN CN202210848365.4A patent/CN115128473A/zh active Pending
-
2023
- 2023-07-17 US US18/222,552 patent/US20240027529A1/en active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115794744A (zh) * | 2022-12-20 | 2023-03-14 | 北京优特捷信息技术有限公司 | 一种日志展示方法、装置、设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20240027529A1 (en) | 2024-01-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112731159B (zh) | 一种储能电站电池舱电池故障预判及定位的方法 | |
| Yu et al. | Challenges and outlook for lithium-ion battery fault diagnosis methods from the laboratory to real world applications | |
| CN110376530B (zh) | 电池内短路检测装置及方法 | |
| CN116455085B (zh) | 一种电池储能电站智能监控系统 | |
| 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 | |
| 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 | |
| CN112363061A (zh) | 一种基于大数据的热失控风险评估方法 | |
| Wu et al. | A fault detection method of electric vehicle battery through Hausdorff distance and modified Z-score for real-world data | |
| CN114722625B (zh) | 锂电池的单体数字孪生模型建立方法、系统、终端和介质 | |
| US20240027529A1 (en) | Method and system for detecting lithium precipitation of lithium batteries | |
| Zheng et al. | Real-time estimation of battery state of charge with metabolic grey model and LabVIEW platform | |
| CN117067920B (zh) | 动力电池的故障检测方法、装置、电子设备及电动汽车 | |
| CN113866641A (zh) | 一种锂离子电池的故障检测方法及装置 | |
| CN116736142A (zh) | 一种电池组健康状况预警的方法、系统及装置 | |
| CN114361616A (zh) | 电池热失控预警方法、系统及存储介质 | |
| CN117471346A (zh) | 用于确定退役电池模组剩余寿命和健康状态的方法及系统 | |
| CN115275410A (zh) | 电池温升异常预警方法 | |
| Hong et al. | Voltage fault precaution and safety management of lithium-ion batteries based on entropy for electric vehicles | |
| CN113866646A (zh) | 基于极化阻抗压升的电池簇不一致性在线监测方法研究 | |
| CN114290954A (zh) | 基于压差分析的电池一致性监控方法、系统及车辆 | |
| CN116859253B (zh) | 一种基于大数据的锂电池析锂分析方法及系统 | |
| CN117261599A (zh) | 电动汽车的故障检测方法、装置、电子设备及电动汽车 | |
| CN117271839A (zh) | 构建电池数据库和电池异常检测系统的方法、设备及介质 | |
| CN117074985A (zh) | 一种电动汽车电池健康评估方法及装置 | |
| CN116565354A (zh) | 一种电化学储能系统故障分级诊断预警方法、系统及设备 |
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 |