CN115248379A - 一种基于多场景融合的动力电池微短路诊断方法及系统 - Google Patents
一种基于多场景融合的动力电池微短路诊断方法及系统 Download PDFInfo
- Publication number
- CN115248379A CN115248379A CN202110450789.0A CN202110450789A CN115248379A CN 115248379 A CN115248379 A CN 115248379A CN 202110450789 A CN202110450789 A CN 202110450789A CN 115248379 A CN115248379 A CN 115248379A
- Authority
- CN
- China
- Prior art keywords
- internal resistance
- self
- discharge internal
- single battery
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000003745 diagnosis Methods 0.000 title claims abstract description 18
- 230000004927 fusion Effects 0.000 title claims abstract description 15
- 230000003068 static effect Effects 0.000 claims abstract description 40
- 238000005070 sampling Methods 0.000 claims description 59
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000010287 polarization Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006866 deterioration Effects 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 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]
- G01R31/367—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
- G01R31/387—Determining ampere-hour charge capacity or SoC
-
- 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]
- G01R31/389—Measuring internal impedance, internal conductance or related 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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
本发明公开了一种基于多场景融合的动力电池微短路诊断方法及系统，通过利用车辆充电动态和停车静态条件下的由于自放电导致的电容量数差异，并结合置信系数综合得到车辆充电动态和停车静态条件下的等效自放电内阻值，从而准确识别电池的内部微短路程度并进行提前预警。实施本发明，具有更高的准确性和更强的鲁棒性，能够提高动力电池的安全性。
Description
技术领域
本发明涉及动力电池的微短路诊断技术领域，尤其涉及一种基于多场景融合的动力电池微短路诊断方法及系统。
背景技术
对于电动汽车等电动工具，动力电池在使用过程中的安全问题一直是重点关注的问题。在一些情形下，由于热失控导致的起火爆炸的事故，是电动汽车领域亟待解决的问题。
一般来说，热失控主要成因在于两个方面：其一是车辆机械碰撞导致的异物侵入电池包内部或者其他电池连接部件碰撞后移位，导致电池短路后产生大量热累计进而导致热失控；其二是电芯在制造过程中存在异物颗粒或者水分等控制不合格，以及使用过程中由于超出电池能力的充电导致电芯负极析锂，并且析锂慢慢生长后刺破隔膜导致电芯内部短路进而导致热失控。
对于第一种是机械碰撞导致，在现有技术中，主要依靠电池和整车结构设计去保证避免热失控；对于第二种导致的热失控，其主要成因在于电芯制造和使用过程，并且该过程是一个缓慢变化和发展的过程，并且现在也无法通过直接检测和测量的方法得到评估。在现有技术中，需要BMS通过软件算法去辨识出来和提前预警，以避免电池进入热失控的状态。但是通过热失控发生前特征点提取的方法去识别的热失控，已经是热失控发生的特征现象，热失控已经无法避免。只能提前预警乘客尽快逃出车辆，不能避免事故的发生。
发明内容
本发明所要解决的技术问题在于，本发明提供一种基于多场景融合的动力电池微短路诊断方法及系统，可以结合充电动态和停车静态条件下，准确识别电池的内部微短路程度，以提前预警，避免电池继续恶化导致热失控。
为解决上述技术问题，作为本发明的一方面，提供一种基于多场景融合的动力电池微短路诊断方法，其包括如下步骤：
步骤S10、对车辆的动力电池进行充电时，在预设的采样区间内，对于所有选定的单体电池的电压进行采样；
步骤S11、根据采样结果，获得每一单体电池在所述采样区间中所充入的本次充电容量；
步骤S12、将每一单体电池的本次充电容量与上一次充电记录的相应充入的历史充电容量进行比较，计算两者之间的充电容量差值，根据所述充电容量差值计算获得每一单体电池的第一自放电内阻；
步骤S13、在车辆静置且电池极化完全消退后，采集预设的第一时间点和第二时间点时的每个单体电池的开路电压数据；
步骤S14、根据所采集的每一单体电池的第一时间点和第二时间点的开路电压数据，计算两个时间点间隔内的静态电容量差值，并结合时间间隔，获得每一单体电池的第二自放电内阻；
步骤S15、根据每一单体电池的第一自放电内阻和第二自放电内阻，结合各自预先标定的置信系数，计算获得每一单体电池的最终自放电内阻值；
步骤S16，根据所有单体电池的最终自放电内阻值，确定当前电池微短路程度。
其中，所述步骤S12进一步包括：
将所述充电容量差值与所述采样区间的时间长度的比值确定为所述单体电池的漏电流值；
计算所述单体电池在所述采样区间时间长度上的电压平均值，并结合所述漏电流值确定所述单体电池的第一自放电内阻。
其中，在步骤S11之后进一步包括：
根据每一单体电池在所述采样区间的采样电压与对应的电池容量，形成二维曲线并存储。
其中，所述步骤S14进一步包括：
根据所采集的每一单体电池的第一时间点和第二时间点的开路电压数据，检索当前温度下的OCV-SOC特征曲线，获得两个时间点间隔内的SOC差值；
根据所述SOC差值获得静态电容量差值，并采用电池当前的SOH值对所述静态电容量差值进行修正；
根据所述修正后静态电容量差值、时间间隔以及第一时间间点和第二时间点的开路电压数据的平均值，获得每一单体电池的第二自放电内阻。
其中，所述步骤S15进一步包括：
采用下述公式计算获得每一单体电池的最终自放电内阻值Ris：
Ris＝αRc+βRs
其中，Rc为某一单体电池的第一自放电内阻，Rs为所述单体电池的第二放电内阻；α为第一自放电内阻对应的置信度，β为第二自放电内阻对应的置信度，且α+β＝1。
其中，所述步骤S16进一步包括：
将每一单体电池的最终自放电内阻值与一预设电阻阈值进行比较，确定存在微短路的电池单体，并根据存在微短路的电池单体的数量确定当前动力电池的电池微短路程度。
相应地，本发明的另一方面还提供一种基于多场景融合的动力电池微短路诊断系统，其包括：
充电采样单元，用于对车辆的动力电池进行充电时，在预设的采样区间内，对于所有选定的单体电池的电压进行采样；
本次充电量计算单元，用于根据采样结果，获得每一单体电池在所述采样区间中所充入的本次充电容量；
第一自放电内阻获得单元，用于将每一单体电池的本次充电容量与上一次充电记录的相应充入的历史充电容量进行比较，计算两者之间的充电容量差值，根据所述充电容量差值计算获得每一单体电池的第一自放电内阻；
静态采样单元，用于在车辆静置且电池极化完全消退后，采集预设的第一时间点和第二时间点时的每个单体电池的开路电压数据；
第二自放电内阻获得单元，用于根据所采集的每一单体电池的第一时间点和第二时间点的开路电压数据，计算两个时间点间隔内的静态电容量差值，并结合时间间隔，获得每一单体电池的第二自放电内阻；
最终自放电内阻值获得单元，用于根据每一单体电池的第一自放电内阻和第二自放电内阻，结合各自预先标定的置信系数，计算获得每一单体电池的最终自放电内阻值；
电池微短路程度判断单元，用于根据所有单体电池的最终自放电内阻值，确定当前电池微短路程度。
其中，所述第一自放电内阻获得单元进一步包括：
漏电流计算单元，用于将所述充电容量差值与所述采样区间的时间长度的比值确定为所述单体电池的漏电流值；
第一自放电内阻计算单元，用于计算所述单体电池在所述采样区间时间长度上的电压平均值，并结合所述漏电流值确定所述单体电池的第一自放电内阻。
其中，进一步包括：
存储单元，用于根据每一单体电池在所述采样区间的采样电压与对应的电池容量，形成二维曲线并存储。
其中，所述第二自放电内阻获得单元进一步包括：
SOC差值获得单元，用于根据所采集的每一单体电池的第一时间点和第二时间点的开路电压数据，检索当前温度下的OCV-SOC特征曲线，获得两个时间点间隔内的SOC差值；
修正单元，用于根据所述SOC差值获得静态电容量差值，并采用电池当前的SOH值对所述静态电容量差值进行修正；
第二自放电内阻计算单元，用于根据所述修正后静态电容量差值、时间间隔以及第一时间间点和第二时间点的开路电压数据的平均值，获得每一单体电池的第二自放电内阻。
其中，所述最终自放电内阻值获得单元具体用于采用下述公式计算获得每一单体电池的最终自放电内阻值Ris：
Ris＝αRc+βRs
其中，Rc为某一单体电池的第一自放电内阻，Rs为所述单体电池的第二放电内阻；α为第一自放电内阻对应的置信度，β为第二自放电内阻对应的置信度，且α+β＝1。
其中，所述电池微短路程度判断单元具体用于将每一单体电池的最终自放电内阻值与一预设电阻阈值进行比较，确定存在微短路的电池单体，并根据存在微短路的电池单体的数量确定当前动力电池的电池微短路程度。
实施本发明实施例，具有如下的有益效果：
本发明的实施例提供一种基于多场景融合的动力电池微短路诊断方法及系统，通过利用车辆充电动态和停车静态条件下的由于自放电导致的电容量数差异，并结合置信系数综合得到车辆充电动态和停车静态条件下的等效自放电内阻值，具有更高的准确性和更强的鲁棒性。本发明可以用于电动汽车等电动工具的运营管理，寿命管理以及安全监测等场合，其能够准确识别电池的内部微短路程度并进行提前预警，可以避免电池继续恶化导致热失控，提高了动力电池的安全性。
附图说明
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，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，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性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明提供的一种基于多场景融合的动力电池微短路诊断方法的一个实施例的主流程示意图；
图2为图1涉及的电池容量与电压的二维曲线示意图；
图3为图1涉及的OCV-SOC特征曲线示意图；
图4为本发明提供的一种多场景融合的动力电池微短路诊断系统的一个实施例的结构示意图；
图5为图4中第一自放电内阻获得单元的结构示意图；
图6为图4中第二自放电内阻获得单元的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。
如图1所示，示出了本发明提供的一种基于多场景融合的动力电池微短路诊断方法一个实施例的主流程示意图，一并结合图2、图3所示，在本实施例中，所述方法包括如下步骤：
步骤S10、对车辆的动力电池进行充电时，在预设的采样区间内，对于所有选定的单体电池的电压进行采样；在实际应用中，该采样区间可以根据电芯特性进行设置，可以多个采样区间；具体地，在一些例子中，采样区间设置主要考虑充电会经常经过的区域，并且该区域需要保持充电电流稳定从而排除电流变化导致的误差。可以理解的是，为了提高精度，可以尽量提高电压采样的分辨率，例如可以每变化1mv采样一次。
步骤S11、根据采样结果，获得每一单体电池在所述采样区间中所充入的本次充电容量；可以理解的是，通过采样的电压值获得充电容量可以通过多种方式获得，例如，在一个例子中，可以通过采样的电压值查询充电曲线中的电流值，然后采用电流值对时间的积分来获得充电容量；
其中，在步骤S11之后进一步包括：
根据每一单体电池在所述采样区间的采样电压与对应的电池容量，形成二维曲线并存储。如图2所示，即示出了一个电池容量与电压的二维曲线示意图，其中Ah为安时，V0至V1的区间即为采样区间。
步骤S12、将每一单体电池的本次充电容量与上一次充电记录的相应充入的历史充电容量进行比较，计算两者之间的充电容量差值，根据所述充电容量差值计算获得每一单体电池的第一自放电内阻；
其中，所述步骤S12进一步包括：
将所述充电容量差值与所述采样区间的时间长度的比值确定为所述单体电池的漏电流值；
计算所述单体电池在所述采样区间时间长度上的电压平均值，并结合所述漏电流值确定所述单体电池的第一自放电内阻，例如将电压平均值除以漏电流值即获得第一自放电内阻。
步骤S13、在车辆静置且电池极化完全消退后，采集预设的第一时间点和第二时间点时的每个单体电池的开路电压数据；
步骤S14、根据所采集的每一单体电池的第一时间点和第二时间点的开路电压数据，计算两个时间点间隔内的静态电容量差值，并结合时间间隔，获得每一单体电池的第二自放电内阻；
其中，所述步骤S14进一步包括：
根据所采集的每一单体电池的第一时间点和第二时间点的开路电压数据，检索当前温度下的开路电压-荷电状态(OCV-SOC)特征曲线，获得两个时间点间隔内的SOC差值；其中，OCV-SOC特征曲线为预先制定，通过第一时间点的OCV和第二时间点的OCV即可以在曲线上查询获得对应的SOC值，两者相减即可以获得SOC差值；如图3即示出了一个OCV-SOC特征曲线示意图；其中两条虚线之间的曲线即为第一时间点和第二时间点所对应的OCV和SOC值；
根据所述SOC差值获得静态电容量差值，并采用电池当前的电池健康度值(stateof health,SOH)对所述静态电容量差值进行修正，SOH值可以为一个百分比值；例如，可以将当前的SOH值与SOC差值相乘，即可以获得修正后的静态电容量差值；可以理解的是，通过上述修正，可以使最终的电容量差值更符合实际情况；
根据所述修正后静态电容量差值、时间间隔以及第一时间间点和第二时间点的开路电压数据的平均值，获得每一单体电池的第二自放电内阻。可以理解的是，根据置信系数进行动态和静态计算，可以得到综合的分析评估结果。
步骤S15、根据每一单体电池的第一自放电内阻和第二自放电内阻，结合各自预先标定的置信系数，计算获得每一单体电池的最终自放电内阻值；
其中，所述步骤S15进一步包括：
采用下述公式计算获得每一单体电池的最终自放电内阻值Ris：
Ris＝αRc+βRs
其中，Rc为某一单体电池的第一自放电内阻，Rs为所述单体电池的第二放电内阻；α为第一自放电内阻对应的置信度，β为第二自放电内阻对应的置信度，且α+β＝1。
步骤S16，根据所有单体电池的最终自放电内阻值，确定当前电池微短路程度。
其中，所述步骤S16进一步包括：
将每一单体电池的最终自放电内阻值与一预设电阻阈值进行比较，确定存在微短路的电池单体，并根据存在微短路的电池单体的数量确定当前动力电池的电池微短路程度。
可以理解的是，在本发明的实施例中，对于动力电池充电场景，连续两次充电的时间内，考虑了电池本身均衡导致的容量损失外，剩下的容量损失即可认为是由于电池自放电导致的，因此测量计算得到连续两次充电在采样区间内的充入容量差，即可以得到由于自放电导致的容量损失和基于该容量计算出该段时间内的等效内短路电阻。而在车辆静态条件下，车辆未上高压，电池也会进行均衡，因此该段时间内的容量损失可以认为都是自放电导致的，同样可以基于该容量计算出该段时间内的自放电内阻值。
在本发明的实施例中，通过综合计算两次充电过程中的充电电容量差异和停车静态条件下的一段时间内的电容量差异，得到车辆充电动态和停车静态条件下的综合等效内短路结果，在车辆运行的多场景下综合了车辆充电动态和停车静态条件下的计算结果，可以获得较高的鲁棒性和可靠性，可以根据诊断结果实现对电动汽车各运行场景下的热失控进行提前预警。
如图4所示，示出了本发明提供一种基于多场景融合的动力电池微短路诊断系统的一个实施例的结构示意图。一并结合图5和图6所示，在本实施例中，所述基于多场景融合的动力电池微短路诊断系统1包括：
充电采样单元10，用于对车辆的动力电池进行充电时，在预设的采样区间内，对于所有选定的单体电池的电压进行采样；
本次充电量计算单元11，用于根据采样结果，获得每一单体电池在所述采样区间中所充入的本次充电容量；
第一自放电内阻获得单元12，用于将每一单体电池的本次充电容量与上一次充电记录的相应充入的历史充电容量进行比较，计算两者之间的充电容量差值，根据所述充电容量差值计算获得每一单体电池的第一自放电内阻；
静态采样单元13，用于在车辆静置且电池极化完全消退后，采集预设的第一时间点和第二时间点时的每个单体电池的开路电压数据；
第二自放电内阻获得单元14，用于根据所采集的每一单体电池的第一时间点和第二时间点的开路电压数据，计算两个时间点间隔内的静态电容量差值，并结合时间间隔，获得每一单体电池的第二自放电内阻；
最终自放电内阻值获得单元15，用于根据每一单体电池的第一自放电内阻和第二自放电内阻，结合各自预先标定的置信系数，计算获得每一单体电池的最终自放电内阻值；
电池微短路程度判断单元16，用于根据所有单体电池的最终自放电内阻值，确定当前电池微短路程度；
存储单元17，用于根据每一单体电池在所述采样区间的采样电压与对应的电池容量，形成二维曲线并存储。
具体地，如图5所示，所述第一自放电内阻获得单元12进一步包括：
漏电流计算单元120，用于将所述充电容量差值与所述采样区间的时间长度的比值确定为所述单体电池的漏电流值；
第一自放电内阻计算单元121，用于计算所述单体电池在所述采样区间时间长度上的电压平均值，并结合所述漏电流值确定所述单体电池的第一自放电内阻。
具体地，如图6所示，所述第二自放电内阻获得单元14进一步包括：
SOC差值获得单元140，用于根据所采集的每一单体电池的第一时间点和第二时间点的开路电压数据，检索当前温度下的OCV-SOC特征曲线，获得两个时间点间隔内的SOC差值；
修正单元141，用于根据所述SOC差值获得静态电容量差值，并采用电池当前的SOH值对所述静态电容量差值进行修正；
第二自放电内阻计算单元142，用于根据所述修正后静态电容量差值、时间间隔以及第一时间间点和第二时间点的开路电压数据的平均值，获得每一单体电池的第二自放电内阻。
其中，所述最终自放电内阻值获得单元15具体用于采用下述公式计算获得每一单体电池的最终自放电内阻值Ris：
Ris＝αRc+βRs
其中，Rc为某一单体电池的第一自放电内阻，Rs为所述单体电池的第二放电内阻；α为第一自放电内阻对应的置信度，β为第二自放电内阻对应的置信度，且α+β＝1。
其中，所述电池微短路程度判断单元16具体用于将每一单体电池的最终自放电内阻值与一预设电阻阈值进行比较，确定存在微短路的电池单体，并根据存在微短路的电池单体的数量确定当前动力电池的电池微短路程度。
更多细节，可以参考前述对图1至图3的描述，在些不进行详述。
实施本发明实施例，具有如下的有益效果：
本发明的实施例提供一种基于多场景融合的动力电池微短路诊断方法及系统，通过利用车辆充电动态和停车静态条件下的由于自放电导致的电容量数差异，并结合置信系数综合得到车辆充电动态和停车静态条件下的等效自放电内阻值，具有更高的准确性和更强的鲁棒性。本发明可以用于电动汽车等电动工具的运营管理，寿命管理以及安全监测等场合，其能够准确识别电池的内部微短路程度并进行提前预警，可以避免电池继续恶化导致热失控，提高了动力电池的安全性。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (12)
1.一种基于多场景融合的动力电池微短路诊断方法，其特征在于，包括如下步骤：
步骤S10、对车辆的动力电池进行充电时，在预设的采样区间内，对于所有选定的单体电池的电压进行采样；
步骤S11、根据采样结果，获得每一单体电池在所述采样区间中所充入的本次充电容量；
步骤S12、将每一单体电池的本次充电容量与上一次充电记录的相应充入的历史充电容量进行比较，计算两者之间的充电容量差值，根据所述充电容量差值计算获得每一单体电池的第一自放电内阻；
步骤S13、在车辆静置且电池极化完全消退后，采集预设的第一时间点和第二时间点时的每个单体电池的开路电压数据；
步骤S14、根据所采集的每一单体电池的第一时间点和第二时间点的开路电压数据，计算两个时间点间隔内的静态电容量差值，并结合时间间隔，获得每一单体电池的第二自放电内阻；
步骤S15、根据每一单体电池的第一自放电内阻和第二自放电内阻，结合各自预先标定的置信系数，计算获得每一单体电池的最终自放电内阻值；
步骤S16，根据所有单体电池的最终自放电内阻值，确定当前电池微短路程度。
2.如权利要求1所述的方法，其特征在于，所述步骤S12进一步包括：
将所述充电容量差值与所述采样区间的时间长度的比值确定为所述单体电池的漏电流值；
计算所述单体电池在所述采样区间时间长度上的电压平均值，并结合所述漏电流值确定所述单体电池的第一自放电内阻。
3.如权利要求1所述的方法，其特征在于，在步骤S11之后进一步包括：
根据每一单体电池在所述采样区间的采样电压与对应的电池容量，形成二维曲线并存储。
4.如权利要求1至3任一项所述的方法，其特征在于，所述步骤S14进一步包括：
根据所采集的每一单体电池的第一时间点和第二时间点的开路电压数据，检索当前温度下的OCV-SOC特征曲线，获得两个时间点间隔内的SOC差值；
根据所述SOC差值获得静态电容量差值，并采用电池当前的SOH值对所述静态电容量差值进行修正；
根据所述修正后静态电容量差值、时间间隔以及第一时间间点和第二时间点的开路电压数据的平均值，获得每一单体电池的第二自放电内阻。
5.如权利要求4所述的方法，其特征在于，所述步骤S15进一步包括：
采用下述公式计算获得每一单体电池的最终自放电内阻值Ris：
Ris＝αRc+βRs
其中，Rc为某一单体电池的第一自放电内阻，Rs为所述单体电池的第二放电内阻；α为第一自放电内阻对应的置信度，β为第二自放电内阻对应的置信度，且α+β＝1。
6.如权利要求5所述的方法，其特征在于，所述步骤S16进一步包括：
将每一单体电池的最终自放电内阻值与一预设电阻阈值进行比较，确定存在微短路的电池单体，并根据存在微短路的电池单体的数量确定当前动力电池的电池微短路程度。
7.一种基于多场景融合的动力电池微短路诊断系统，其特征在于，包括：
充电采样单元，用于对车辆的动力电池进行充电时，在预设的采样区间内，对于所有选定的单体电池的电压进行采样；
本次充电量计算单元，用于根据采样结果，获得每一单体电池在所述采样区间中所充入的本次充电容量；
第一自放电内阻获得单元，用于将每一单体电池的本次充电容量与上一次充电记录的相应充入的历史充电容量进行比较，计算两者之间的充电容量差值，根据所述充电容量差值计算获得每一单体电池的第一自放电内阻；
静态采样单元，用于在车辆静置且电池极化完全消退后，采集预设的第一时间点和第二时间点时的每个单体电池的开路电压数据；
第二自放电内阻获得单元，用于根据所采集的每一单体电池的第一时间点和第二时间点的开路电压数据，计算两个时间点间隔内的静态电容量差值，并结合时间间隔，获得每一单体电池的第二自放电内阻；
最终自放电内阻值获得单元，用于根据每一单体电池的第一自放电内阻和第二自放电内阻，结合各自预先标定的置信系数，计算获得每一单体电池的最终自放电内阻值；
电池微短路程度判断单元，用于根据所有单体电池的最终自放电内阻值，确定当前电池微短路程度。
8.如权利要求7所述的装置，其特征在于，所述第一自放电内阻获得单元进一步包括：
漏电流计算单元，用于将所述充电容量差值与所述采样区间的时间长度的比值确定为所述单体电池的漏电流值；
第一自放电内阻计算单元，用于计算所述单体电池在所述采样区间时间长度上的电压平均值，并结合所述漏电流值确定所述单体电池的第一自放电内阻。
9.如权利要求7所述的系统，其特征在于，进一步包括：
存储单元，用于根据每一单体电池在所述采样区间的采样电压与对应的电池容量，形成二维曲线并存储。
10.如权利要求7至9任一项所述的系统，其特征在于，所述第二自放电内阻获得单元进一步包括：
SOC差值获得单元，用于根据所采集的每一单体电池的第一时间点和第二时间点的开路电压数据，检索当前温度下的OCV-SOC特征曲线，获得两个时间点间隔内的SOC差值；
修正单元，用于根据所述SOC差值获得静态电容量差值，并采用电池当前的SOH值对所述静态电容量差值进行修正；
第二自放电内阻计算单元，用于根据所述修正后静态电容量差值、时间间隔以及第一时间间点和第二时间点的开路电压数据的平均值，获得每一单体电池的第二自放电内阻。
11.如权利要求10所述的系统，其特征在于，所述最终自放电内阻值获得单元具体用于采用下述公式计算获得每一单体电池的最终自放电内阻值Ris：
Ris＝αRc+βRs
其中，Rc为某一单体电池的第一自放电内阻，Rs为所述单体电池的第二放电内阻；α为第一自放电内阻对应的置信度，β为第二自放电内阻对应的置信度，且α+β＝1。
12.如权利要求11所述的系统，其特征在于，所述电池微短路程度判断单元具体用于将每一单体电池的最终自放电内阻值与一预设电阻阈值进行比较，确定存在微短路的电池单体，并根据存在微短路的电池单体的数量确定当前动力电池的电池微短路程度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110450789.0A CN115248379A (zh) | 2021-04-26 | 2021-04-26 | 一种基于多场景融合的动力电池微短路诊断方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110450789.0A CN115248379A (zh) | 2021-04-26 | 2021-04-26 | 一种基于多场景融合的动力电池微短路诊断方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115248379A true CN115248379A (zh) | 2022-10-28 |
Family
ID=83697627
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110450789.0A Pending CN115248379A (zh) | 2021-04-26 | 2021-04-26 | 一种基于多场景融合的动力电池微短路诊断方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115248379A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115508718A (zh) * | 2022-11-17 | 2022-12-23 | 中创新航科技股份有限公司 | 一种动力电池自放电的监测方法及装置 |
| CN116165562A (zh) * | 2023-04-25 | 2023-05-26 | 江苏时代新能源科技有限公司 | 电池自放电检测方法、装置、设备、存储介质及程序产品 |
-
2021
- 2021-04-26 CN CN202110450789.0A patent/CN115248379A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115508718A (zh) * | 2022-11-17 | 2022-12-23 | 中创新航科技股份有限公司 | 一种动力电池自放电的监测方法及装置 |
| CN116165562A (zh) * | 2023-04-25 | 2023-05-26 | 江苏时代新能源科技有限公司 | 电池自放电检测方法、装置、设备、存储介质及程序产品 |
| CN116165562B (zh) * | 2023-04-25 | 2023-10-03 | 江苏时代新能源科技有限公司 | 电池自放电检测方法、装置、设备、存储介质及程序产品 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107870301B (zh) | 一种电池微短路的检测方法及装置 | |
| CN110018425B (zh) | 一种动力电池故障诊断方法及系统 | |
| EP2963433B1 (en) | Method and apparatus for estimating state of battery | |
| EP3550317A1 (en) | Method and device for detecting battery micro-short circuit | |
| CN111551860B (zh) | 一种基于弛豫电压特征的电池内短路诊断方法 | |
| 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 | |
| CN111198328A (zh) | 一种电池析锂检测方法及电池析锂检测系统 | |
| CN103197257A (zh) | 电池健康状态检测方法及装置 | |
| CN104391252A (zh) | 一种汽车铅酸蓄电池健康状态检测方法 | |
| CN109031138B (zh) | 一种动力电池的安全评估方法和装置 | |
| CN112098875B (zh) | 锂离子电池析锂的检测方法 | |
| CN115248379A (zh) | 一种基于多场景融合的动力电池微短路诊断方法及系统 | |
| CN113696786A (zh) | 电池均衡方法及系统 | |
| JP2022545033A (ja) | 電池診断装置および方法 | |
| CN113687234A (zh) | 电池异常识别方法、装置、设备、介质及程序产品 | |
| US11959969B2 (en) | Apparatus and method for diagnosing battery | |
| US20240027540A1 (en) | Battery Cell Diagnosing Apparatus and Method | |
| CN116973782A (zh) | 基于机器学习的新能源汽车保养维护与故障监测诊断方法 | |
| CN117031337A (zh) | 一种电芯内短路检测方法、装置、存储介质及设备 | |
| CN114103729B (zh) | 用于均衡电池包的方法、装置和电动汽车 | |
| CN112540301B (zh) | 电池检测方法、装置及存储介质 | |
| CN114264961A (zh) | 一种电芯内短路的检测方法、装置和电子设备 | |
| CN114002605A (zh) | 电池健康状态估算方法及系统 | |
| CN113135115A (zh) | 检测电池系统短路的方法、装置、车辆及存储介质 | |
| CN115372848A (zh) | 电池自放电性能的检测方法、装置、设备及介质 |
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 |