CN115236523A - 一种基于数字孪生的动力电池故障诊断及预测的方法 - Google Patents

Abstract

本发明涉及一种基于数字孪生的动力电池故障诊断及预测的方法，采集动力电池在正常情况下的电压、电流、温度及行驶的距离，数字孪生模型进行学习，在电动汽车使用过程中实时采集电压、电流、温度、电动汽车在不同路况下行驶的路程和电池容量，将数据通过5G信号传给相应的孪生模型，并存储在相应的孪生数据库中，通过深度学习，建立实际的动力电池和数字孪生模型的目标函数和误差平方函数，分析相关数据，实现对实际动力电池的参数估计，得到动力电池的使用状况，根据数据和分析结果，对应的发出相应的预测故障等级报警；本发明具有实现实时的信息交互、实现数据分析、实现故障报警及预测的优点。

Description

一种基于数字孪生的动力电池故障诊断及预测的方法

技术领域

本发明属于动力电池的故障诊断技术领域，具体涉及一种基于数字孪生的 动力电池故障诊断及预测的方法。

背景技术

动力电池作为电动汽车的直接动力来源，他的好坏直接决定电动汽车的续 航里程以及用户体验，当电动汽车的动力电池发生故障时，轻则造成其失去动 力来源，使车主无法正常的工作及生活，重则电池短路造成起火甚至发生爆炸， 极大的影响用户的生命安全，因此实时准确的对动力电池的故障进行预测以及 对故障位置进行诊断排查，对提高电动汽车安全性以及延长动力电池的使用寿 命具有重要的意义；数字孪生作为信息物理融合的关键技术得到了快速的发展， 最早应用于美国航天工程中的阿波罗计划，为后期的发展奠定了坚实的基础， 随着新一代网络信息技术的发展，数字孪生技术的概念不断扩展，从最早的健 康维护和保障扩展至设计、制造和运维的全过程；数字孪生是指充分利用物理模型、传感器、运行历史等数据，集成多学科、多尺度的仿真过程，它作为虚 拟空间中对实体产品的镜像，反映了相对应物理实体产品的全生命周期过程， 数字孪生有三个组成部分：物理空间的实体产品、虚拟空间的虚拟产品、物理 空间和虚拟空间之间的数据和信息交互接口；基于数字孪生和机器学习的智能 故障诊断方法虽然取得了一定的研究成果，但是仍然存在一些不足：大部分数 据驱动的故障诊断方法是基于离线数据展开的研究，缺乏一定的实时性、协同 性和交互性，实时性差导致信息出现延时，使得信息缺乏时效性；协同性和交 互性差导致故障缺乏实时可视化效果，未能实现信息物理系统中的物理空间和 信息空间的实时映射、故障预测以及故障信息反馈；因此，提供一种实现实时 的信息交互、实现数据分析、实现故障报警及预测的一种基于数字孪生的动力 电池故障诊断及预测的方法是非常有必要的。

发明内容

本发明的目的是为了克服现有技术的不足，而提供一种实现实时的信息交 互、实现数据分析、实现故障报警及预测的一种基于数字孪生的动力电池故障 诊断及预测的方法。

本发明的目的是这样实现的：一种基于数字孪生的动力电池故障诊断及预 测的方法，所述的方法包括以下步骤：

S1：采集动力电池在正常情况下的电池电压、电流、温度以及行驶的距离， 数字孪生模型根据这些数据进行学习；

S2：在电动汽车使用过程中实时采集电池的电压、单体电池之间的电流、 电池温度、电动汽车在不同路况下行驶的路程和电池容量信息；

S3：将采集的动力电池的电压、电流、电池温度和行驶的路程数据，通过 5G信号传给相应的孪生模型，并存储在相应的孪生数据库中；

S4：通过深度学习，建立实际的动力电池和数字孪生模型的目标函数和误 差平方函数；

S5：通过分析相关数据，实现对实际动力电池的参数估计，得到动力电池 的使用状况；

S6：根据检测的数据和分析结果，对应的发出相应的预测故障等级报警， 同时通过短信或者公众号等方式提醒车主需要采取相应等级下的具体措施；

S7：通过测量电池容量等信息，计算动力电池的健康状态SOH来预测动力 电池的故障。

所述的步骤S2中的电动汽车在不同路况下行驶的路程为电池在正常情况下 在不同温度下SOC每下降5％时所行驶的路程。

所述的步骤S4中的数字孪生模型的数据要通过基于遗传算法的最小二乘法 优化目标函数进行处理。

所述的步骤S7中的根据动力电池的健康状态SOH来预测动力电池的故障， 具体是采用数据驱动的分析方法，不需要建立明确的模型，只需要在训练过程 中优化C_act、C_nom、C_EOL超参数，其中C_act表示电池的实际容量；C_nom表示电池的 标称容量；C_EOL表示电池寿命终止时的容量。

所述的电池故障类型包括：分为两种等级的过压故障，分为两种等级的过 流故障，分为两种等级的过热故障，分为两种等级的温升速率过快故障、老化 故障。

所述的电池故障的判断条件是：

a1：当单体电池的电压长期超过正常值的10％时，则为过压一级故障，当单 体电池的电压长期超过充电限制电压3.65V时，则为过压二级故障；

a2：当单体电池间的电流长期超过正常值的10％时，则为过流一级故障，当 单体电池间的电流长期超过正常值的20％时，则为过流二级故障；

a3：当单体电池之间的温度超过50℃时，则为过热一级故障，当单体电池 之间的温度超过65℃时，则为过热二级故障；

a4：当单体电池之间的温升速率V2超过正常温升速率V1的15％时，则为温 升速率过快一级故障，当单体电池之间的温升速率V2超过正常温升速率V1的 30％时，则为温升速率过快二级故障；

a5：当在实际使用过程中，动力电池SOC每下降5％行驶的路程与电池正常 时下降5％行驶的路程相比较，若变差较大，电池则发生了老化故障。

本发明的有益效果：本发明为基于数字孪生的动力电池故障诊断及预测的 方法，用于电动汽车动力电池的故障预测和诊断，可以进一步提高动力电池故 障预测和诊断的准确性，本发明通过建立与实际物理空间的动力电池相对应的 数字孪生模型，通过5G网络，实现两部分实时的信息交互，数字孪生系统通过 分析数据来实现故障检测，并分等级的将故障传送给用户，实现了不同等级故 障的判断，并通过SOH来判断电池的使用情况，来实现对电池故障的预测；本 发明具有实现实时的信息交互、实现数据分析、实现故障报警及预测的优点。

附图说明

图1为本发明一种基于数字孪生的动力电池故障诊断及预测的方法的流程 图。

图2为本发明一种基于数字孪生的动力电池故障诊断及预测的方法的计算 电池的健康状态SOH的SVR流程图。

具体实施方式

下面结合附图对本发明做进一步的说明。

实施例1

如图2所示，一种基于数字孪生的动力电池故障诊断及预测的方法，采集 动力电池在正常情况下的电池电压、电流、温度以及行驶的距离，数字孪生模 型根据这些数据进行学习；

S2：在电动汽车使用过程中实时采集电池的电压、单体电池之间的电流、 电池温度、电动汽车在不同路况下行驶的路程和电池容量信息；

S3：将采集的动力电池的电压、电流、电池温度和行驶的路程数据，通过 5G信号传给相应的孪生模型，并存储在相应的孪生数据库中；

S4：通过深度学习，建立实际的动力电池和数字孪生模型的目标函数和误 差平方函数；

S5：通过分析相关数据，实现对实际动力电池的参数估计，得到动力电池 的使用状况；

S6：根据检测的数据和分析结果，对应的发出相应的预测故障等级报警， 同时通过短信或者公众号等方式提醒车主需要采取相应等级下的具体措施；

S7：通过测量电池容量等信息，计算动力电池的健康状态SOH来预测动力 电池的故障。

在本实施例中，如图2所示：本发明包括以下步骤：步骤(1)：建立与动 力电池相对应的孪生数字模型，通过数据采集模块采集电池正常时电动汽车的 单体电池、整块动力电池的电压电流、电池温度、不同环境温度时的续航里程 和电池容量等信息，所述的动力电池由多个单体电池串联组成，所述的电压为 单体电池的电压，所述的电流为单体电池之间的电流，所测的温度为单体电池 之间的温度及电池的整体温度，电池容量包括电池的实际容量C_act和电池的标称 容量C_nom，将采集的信息通过5G信号传输到孪生模型，并建立相应的孪生数据 库；

步骤(2)：通过深度学习，使数字孪生模型识别并存储这些数据；

步骤(3)在动力电池使用过程中，实时采集相关数据，并建立实际的动力 电池和数字孪生模型的目标函数和误差平方函数，同时利用基于遗传算法的最 小二乘法优化目标函数优化数据，并通过5G信号传输到相应的孪生模型，实现 数字孪生模型数据的实时更新；

步骤(4)：通过CAN总线的方式，将单体电池的电压数据实时传输到数字 孪生模型以及孪生数据库，并对数据进行分析，如数据异常，则将电池故障分 等级的传输给用户；

步骤(5)：单体电池的电流同理，通过CAN总线的方式，将单体电池Ci和 Ci+1之间的电流数据实时传输到孪生模型以及孪生数据库，并对数据进行分析， 如数据异常，则将电池故障分等级的传输给用户；

步骤(6)：在动力电池内部均匀放置温度传感器，以监测动力电池内部的 温度变化，同时将温度等相关数据传输到孪生模型以及孪生数据库，并对数据 进行分析，如数据异常，则将电池故障分等级的传输给用户；

步骤(7)：温度检测不止可以检测温度，还可以检测温升速率，将电池在 正常情况下的温升速率V1与实际使用过程中的温升速率V2做对比分析，如相 差过大，则将电池故障分等级的传输给用户；

步骤(8)：测量电动汽车在实际情况下三种工况下分别行驶的路程 S₁、S₂、S₃，与电池在正常情况下三种工况下分别行驶的路程S_n1、S_n2、S_n3做对比 分析，如相差过大，则将电池故障分等级的传输给用户；

步骤(9)：动力电池的健康状态SOH是表征一个电池健康程度的物理量， 当电池的SOH不能满足使用要求时认为电池失效，并达到使用寿命，SOH的标 准定义是动力电池从充满状态下以一定倍率放电到截止电压所放出的容量与标 称容量之间的比值，该定义比较适合描述纯电动汽车的健康状况，计算公式如 下：

C_act≥C_EOL

C_EOL＝(0.6～0.8)×C_nom

其中，C_act表示电池的实际容量；C_nom表示电池的标称容量；C_EOL表示电池 寿命终止时的容量，一般为标称容量的60％-80％，在电动汽车使用过程中，采 集电池的实际容量C_act；电池的标称容量C_nom；电池寿命终止时的容量C_EOL，通 过公式计算得到电池的SOH，并将等到的SOH实时传输给电动汽车用户；在动 力电池实际正常使用过程中，重复上述步骤(3)至步骤(9)。

本发明为基于数字孪生的动力电池故障诊断及预测的方法，用于电动汽车 动力电池的故障预测和诊断，可以进一步提高动力电池故障预测和诊断的准确 性，本发明通过建立与实际物理空间的动力电池相对应的数字孪生模型，通过 5G网络，实现两部分实时的信息交互，数字孪生系统通过分析数据来实现故障 检测，并分等级的将故障传送给用户，实现了不同等级故障的判断，并通过SOH 来判断电池的使用情况，来实现对电池故障的预测；本发明具有实现实时的信 息交互、实现数据分析、实现故障报警及预测的优点。

实施例2

如图1-2所示，一种基于数字孪生的动力电池故障诊断及预测的方法，采集 动力电池在正常情况下的电池电压、电流、温度以及行驶的距离，数字孪生模 型根据这些数据进行学习；

S2：在电动汽车使用过程中实时采集电池的电压、单体电池之间的电流、 电池温度、电动汽车在不同路况下行驶的路程和电池容量信息；

S3：将采集的动力电池的电压、电流、电池温度和行驶的路程数据，通过 5G信号传给相应的孪生模型，并存储在相应的孪生数据库中；

S4：通过深度学习，建立实际的动力电池和数字孪生模型的目标函数和误 差平方函数；

S5：通过分析相关数据，实现对实际动力电池的参数估计，得到动力电池 的使用状况；

S6：根据检测的数据和分析结果，对应的发出相应的预测故障等级报警， 同时通过短信或者公众号等方式提醒车主需要采取相应等级下的具体措施；

S7：通过测量电池容量等信息，计算动力电池的健康状态SOH来预测动力 电池的故障。

在本实施例中，如图1所示：本发明包括以下步骤：步骤(1)：建立与动 力电池相对应的孪生数字模型，通过数据采集模块采集电池正常时电动汽车的 单体电池、整块动力电池的电压电流、电池温度、不同环境温度时的续航里程 和电池容量等信息，将采集的信息通过5G信号传输到孪生模型，并建立相应的 孪生数据库；

步骤(2)：通过深度学习，使数字孪生模型识别并存储这些数据；

步骤(3)：在动力电池使用过程中，实时采集相关数据，并建立实际的动 力电池和数字孪生模型的目标函数和误差平方函数，同时利用基于遗传算法的 最小二乘法优化目标函数优化数据，并通过5G信号传输到相应的数字孪生模型， 实现数字孪生模型数据的实时更新；

步骤(4)：通过CAN总线的方式，将单体电池的数据实时传输到数字孪生 模型以及孪生数据库，采集数据的频率为2Hz，误差不超过0.5％，例如，单体 电池的标称电压为3.2V，充电限制电压为3.65V，放电限制电压为2V，当Ci的 单体电压长期超过标称电压的10％(即3.52V),或者Ci的单体电压长期低于标称 电压的25％，即2.4V，数字孪生模型则对用户发出提醒，建议在一段时间内对 Ci的单体电池进行检测或者更换，若Ci的单体电压长期高于充电限制电压(即 3.65V)或者长期低于放电限制电压(即2V)，数字孪生模型则对用户发出提醒 要立即对单体电池Ci进行检测或者更换；

步骤(5)：单体电池的电流同理，若单体电池Ci和Ci+1之间的电流超过 标准电流的10％，数字孪生模型则提醒用户在一段时间内要检查或者更换单体电 池Ci和Ci+1，若单体电池Ci和Ci+1之间的电流超过标准电流的20％，数字孪 生模型则提醒用户要立即检查或者更换单体电池Ci和Ci+1。并将检测或者更换 的数据传输到数字孪生模型和孪生数据库中，对电池使用状况进行记录，以分 析动力电池长期数据，到达预测动力电池故障的目的；

步骤(6)：在动力电池内部均匀放置温度传感器，以监测动力电池内部的 温度变化，同时将温度等相关数据传输到孪生模型以及孪生数据库，常规的动 力电池，最佳的运行温度是25℃-60℃，温差小于5℃，在动力电池充放电的过 程中，会产生大量的热，导致电池温度升高，根据Arrhenius公式估算，温度 每上升1℃，电池的退化速率增加7％。因此动力电池的温度管理系统显得尤为 重要；采集数据的频率为2Hz，误差不超过0.5％，常规动力电池的运行温度为 -20℃-60℃，当动力电池温度超过70℃时，就有发生火灾的危险，所以当动力 电池内部温度达到50℃时，孪生模型收到信息后，立刻通过5G信号启动车载恒温系统，实现动力电池的降温，若启动降温系统后，温度仍上升，当动力电池 温度到达65℃时，数字孪生模型以短信或者公众号的形式通知用户，建议其立 刻停止对动力汽车的使用；

每种动力电池都有自己最佳的工作温度，在不同的温度时，动力电池组的 能量及内阻等有很大的差别：温度过低时，可用的能量和容量大为减少，动力 电池的内阻也会呈非线性增长，严重制约了电动汽车的续驶里程，电动汽车一 般会配备检测外界温度的传感器，当环境温度过低时，数据传输到相应的数字 孪生模型，数字孪生模型通过分析处理，对用户发出提醒，建议车主先对车进 行预热并启动电池的恒温系统，这样可有效提升电池的性能，从而提升电压平 台，放出更多电量；

步骤(7)：温度检测不止可以检测温度，还可以检测温升速率，电池内阻 产生的欧姆热功率方程为：

P＝I²R

式中，P为欧姆热功率；I为电池放电电流，R为电池内阻，电池内部生热 和散热过程遵守能量守恒方程为：

式中ρ为电池的密度；C 为电池的比热容；T为电池的温度；t为时间；λ为电池内部导热系数；T₀为环 境温度；P为电池的发热功率，

为电池的内能变化速率；λ(T₀-T)为电池 与外界热交换功率，外界温度高于电池温度即电池吸热时为正，当电池温度高 于外界温度即电池散热时为负；P为电池的发热功率，当产热速率大于散热速率， 则电池温度升高，当散热速率大于产热速率，则电池温度降低；

由上述可知，电池内部温度的高低与众多要素有关，但影响最大的要素为 电池电流和电池内阻，因此当电池温升速率过快时，首先要考虑这两个方面；

通过温升速率检测电池健康状况的方法具体为先让动力电池孪生模型学习 电池在正常情况下的温升速率V1，在实际使用过程中的温升速率为V2，将实际 使用过程中的相关数据传输到孪生模型，如果V1与V2相差15％时，数字孪生模 型则通过短信或者公众号的形式通知用户建议其在一段时间内检查动力电池的 状况，如果V1与V2相差30％时，数字孪生模型则通过短信或者公众号的形式通 知用户建议其立刻停止使用电动汽车并检查动力电池的状况；

步骤(8)：我们可以将电动汽车行驶的路况分为三种情况，分别为长距离 工况、市区山坡工况和高峰期堵车工况，我们可以测量电池在正常情况下，SOC 在常温下每下降5％时，在三种工况下分别行驶的路程，并传输到孪生数据库， 让孪生模型进行系统的学习，在电动汽车实际使用过程中，测量SOC在常温情 况下每下降5％时，在三种工况下行驶的路程，并将数据传输到孪生模型进行分 析，可以根据偏差来分析电池的剩余寿命及使用情况，若偏差超过20％，则可能 电池发生老化，需要更换电池；

步骤(9)：在使用过程中，采集电池的实际容量C_act；电池的标称容量C_nom； 电池寿命终止时的容量C_EOL，通过5G信号传给孪生数字模型，然后建立支持向 量回归模型，选择模型中的参数进行训练；最后将训练得到的模型参数运用到 SVR预测模型中预测有关数据，带入动力电池的健康状态SOH计算公式：

C_EOL＝(0.6～0.8)×C_nom

通过计算得到电池的SOH，并将等到的SOH实时传输给电动汽车用户，此 公式是从剩余容量的角度计算的，计算出的SOH值越大，电池状态越好，一般 认为当动力电池的实际容量到达标称容量的60％时，电池寿命终止；在动力电池 实际正常使用过程中，重复上述步骤(3)至步骤(9)。

本发明为基于数字孪生的动力电池故障诊断及预测的方法，用于电动汽车 动力电池的故障预测和诊断，可以进一步提高动力电池故障预测和诊断的准确 性，本发明通过建立与实际物理空间的动力电池相对应的数字孪生模型，通过 5G网络，实现两部分实时的信息交互，数字孪生系统通过分析数据来实现故障 检测，并分等级的将故障传送给用户，实现了不同等级故障的判断，并通过SOH 来判断电池的使用情况，来实现对电池故障的预测；本发明具有实现实时的信 息交互、实现数据分析、实现故障报警及预测的优点。

Claims (6)

1.一种基于数字孪生的动力电池故障诊断及预测的方法，其特征在于：所述的方法包括以下步骤：

S1：采集动力电池在正常情况下的电池电压、电流、温度以及行驶的距离，数字孪生模型根据这些数据进行学习；

S2：在电动汽车使用过程中实时采集电池的电压、单体电池之间的电流、电池温度、电动汽车在不同路况下行驶的路程和电池容量信息；

S3：将采集的动力电池的电压、电流、电池温度和行驶的路程数据，通过5G信号传给相应的孪生模型，并存储在相应的孪生数据库中；

S4：通过深度学习，建立实际的动力电池和数字孪生模型的目标函数和误差平方函数；

S5：通过分析相关数据，实现对实际动力电池的参数估计，得到动力电池的使用状况；

S6：根据检测的数据和分析结果，对应的发出相应的预测故障等级报警，同时通过短信或者公众号等方式提醒车主需要采取相应等级下的具体措施；

S7：通过测量电池容量等信息，计算动力电池的健康状态SOH来预测动力电池的故障。

2.如权利要求1所述的一种基于数字孪生的动力电池故障诊断及预测的方法，其特征在于：所述的步骤S2中的电动汽车在不同路况下行驶的路程为电池在正常情况下在不同温度下SOC每下降5％时所行驶的路程。

3.如权利要求1所述的一种基于数字孪生的动力电池故障诊断及预测的方法，其特征在于：所述的步骤S4中的数字孪生模型的数据要通过基于遗传算法的最小二乘法优化目标函数进行处理。

4.如权利要求1所述的一种基于数字孪生的动力电池故障诊断及预测的方法，其特征在于：所述的步骤S7中的根据动力电池的健康状态SOH来预测动力电池的故障，具体是采用数据驱动的分析方法，不需要建立明确的模型，只需要在训练过程中优化C_act、C_nom、C_EOL超参数，其中C_act表示电池的实际容量；C_nom表示电池的标称容量；C_EOL表示电池寿命终止时的容量。

5.如权利要求4所述的一种基于数字孪生的动力电池故障诊断及预测的方法，其特征在于：所述的电池故障类型包括：分为两种等级的过压故障，分为两种等级的过流故障，分为两种等级的过热故障，分为两种等级的温升速率过快故障、老化故障。

6.如权利要求5所述的一种基于数字孪生的动力电池故障诊断及预测的方法，其特征在于：所述的电池故障的判断条件是：

a1：当单体电池的电压长期超过正常值的10％时，则为过压一级故障，当单体电池的电压长期超过充电限制电压3.65V时，则为过压二级故障；

a2：当单体电池间的电流长期超过正常值的10％时，则为过流一级故障，当单体电池间的电流长期超过正常值的20％时，则为过流二级故障；

a3：当单体电池之间的温度超过50℃时，则为过热一级故障，当单体电池之间的温度超过65℃时，则为过热二级故障；

a4：当单体电池之间的温升速率V2超过正常温升速率V1的15％时，则为温升速率过快一级故障，当单体电池之间的温升速率V2超过正常温升速率V1的30％时，则为温升速率过快二级故障；

a5：当在实际使用过程中，动力电池SOC每下降5％行驶的路程与电池正常时下降5％行驶的路程相比较，若变差较大，电池则发生了老化故障。

Images