CN115308617A - 一种锂离子电池内部短路诊断方法 - Google Patents
一种锂离子电池内部短路诊断方法 Download PDFInfo
- Publication number
- CN115308617A CN115308617A CN202210628828.6A CN202210628828A CN115308617A CN 115308617 A CN115308617 A CN 115308617A CN 202210628828 A CN202210628828 A CN 202210628828A CN 115308617 A CN115308617 A CN 115308617A
- Authority
- CN
- China
- Prior art keywords
- charging
- battery
- internal short
- short circuit
- upsilon
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 13
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 13
- 238000003745 diagnosis Methods 0.000 title claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 33
- 102000016550 Complement Factor H Human genes 0.000 claims abstract description 9
- 108010053085 Complement Factor H Proteins 0.000 claims abstract description 9
- 230000005856 abnormality Effects 0.000 claims abstract description 8
- 239000000178 monomer Substances 0.000 claims description 40
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 238000011156 evaluation Methods 0.000 abstract description 2
- 210000004027 cell Anatomy 0.000 description 27
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000002035 prolonged effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 210000001787 dendrite Anatomy 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012031 short term test Methods 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
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]
- G01R31/385—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]
- G01R31/367—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]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
-
- 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
本发明属于锂离子电池短路诊断技术领域,尤其是一种锂离子电池内部短路诊断方法,其包括以下诊断步骤:S1:给电池组进行充电,记最先达到充电截止电压的单体电池为基准电池,其充电电压曲线为基准充电曲线;S2:对每节单体电池计算其相邻两次充电循环的剩余未充电时间变化速率υn值;S3:每次充电结束后,采用核密度估计方法计算电池组中所有电池υn值的概率分布;S4:计算υn值最大的电池单体的异常因子Hn(υn)。本发明通过简单的模型进行计算,可以在电池发生短路时,通过检测自放电电流诊断电池内部是否短路,操作和计算过程简单,评估结果较为准确。
Description
技术领域
本发明涉及锂离子电池短路诊断技术领域,尤其涉及一种锂离 子电池内部短路诊断方法。
背景技术
随着工业化大规模发展,全球能源危机和环境污染日益严重, 为了保护环境,降低对传统化石能源的依赖,各个国家都大力发展 新能源产业,电动汽车作为节能减排的重要解决对策被积极推广并 迅速发展。其中,锂离子电池由于具备能量密度高、循环寿命长,输出电压高等优异性能,被广泛应用于电动汽车的电源系统,然而, 为了满足电动汽车对电源高功率和高容量的需求,汽车电源往往是 由数千个单体锂离子电池串并联组成,这也给电动汽车埋下了潜在 的安全隐患,一旦电池发生热失控,将会产生巨大的经济损失,严重时还会引发重大的安全事故。因此提升锂离子电池的安全性已成 为当前的研究热点。
电池短路是导致锂离子电池发生安全事故的重要原因之一,电 池短路包括电池外部短路和电池内部短路,电池外部短路往往是人 为操作不当引发的,当电池发生外部短路时,放电电流会增大,导 致电芯产热,从而电池内部温度升高,在高温情况下,电池内部会 引发一连串的化学反应,这些反应会产生大量的热量,最终导致电 池发生热失控。电池内部短路通常是指电池内部的正极和负极直接 接触,主要是在挤压、撞击和过充过放等电池滥用情况下,电池内 部生成的锂枝晶刺穿隔膜,造成内部短路,从而电池内部化学反应速度加快,电流和温度升高,当电池内短路严重时,则会引发热失 控。其中,电池外部短路可以通过安装外部传感器和保护装置对其 进行有效的防控,而电池内部短路在整个电池生命周期都有可能发 生,但是检测内部短路很难在电池内部安装传感器,也无法使用常规手段快速检测到电池内部温度,这使得内部短路有了一个演化周 期,初期现象不明显,但后期会引发冒烟、起火甚至爆炸等重大事 故,因此有必要对电池内部短路进行早期检测,从而保障动力电池 的安全稳定性,为电动汽车的快速发展保驾护航。
目前,对于电池内部短路的检测方法有很多,如构建开关切换 模型对内部短路进行检测,通过该模型对电池短路等效电路模型进 行更新,获取模型的开路电压和SOC值,进而辨识得到电池内部短 路等效电阻,实现电池内部短路的提前预警。
但是该方法需要借助复杂的模型且计算过程比较繁琐。另外, 由于当电池发生内部短路时,此时自放电电流和正常运行状态下的 自放电电流相比明显增大,则可以通过检测自放电电流诊断电池内 部是否短路,但是该方法需要较长的静置时间使电池处于均衡状态, 不利于实际应用。
发明内容
本发明的目的是为了解决现有技术中的电池短路检测方法需要 借助复杂的模型且计算过程比较繁琐,另外,由于当电池发生内部 短路时,此时自放电电流和正常运行状态下的自放电电流相比明显 增大,则可以通过检测自放电电流诊断电池内部是否短路,但是该 方法需要较长的静置时间使电池处于均衡状态,不利于实际应用的 缺点,而提出的一种锂离子电池内部短路诊断方法。
为了实现上述目的,本发明采用了如下技术方案:
一种锂离子电池内部短路诊断方法,包括以下诊断步骤:
S1:给电池组进行充电,记最先达到充电截止电压的单体电池 为基准电池,其充电电压曲线为基准充电曲线;计算其他单体电池 达到充电截止电压还需要的剩余充电时间,具体计算公式为: Δtn,j=tn,j-tn,1,其中,n表示充电次数序号,j表示单体电池的 序号,Δtn,j表示第j号单体电池的剩余未充电时间,tn,j表示在基 准充电电压曲线上第j号单体电池充电结束时的电压位置所对应的 充电时间,tn,1表示基准电压曲线结束充电时所对应的充电时间。
S2:对每节单体电池计算其相邻两次充电循环的剩余未充电时 间变化速率υn值,具体计算公式为:其中n表 示充电次数序号,j表示单体电池的序号,Δtn,j表示第j号电池第n 次充电时对应的剩余未充电时间,Δtn-1,j表示第n-1次充电时对应 的剩余未充电时间。
S3:每次充电结束后,采用核密度估计方法计算电池组中所有 电池υn值的概率分布,具体计算公式为:
其中,σn为第n次充电所有电池υn值的标准差,Qn为第n次充电所 有电池υn值的四分位距。
S4:计算υn值最大的电池单体的异常因子Hn(υn),具体计算公 式为:
式中,υn,max为电池组中υn值最大的电池单体的υn值,fn(·)为所有电 池υn值的概率密度函数,Ω为电池组中除去υn值最大的单体之后的 其他单体的集合,fn,Ω(·)为电池组中除去υn值最大的单体之后的其 他单体υn值的概率密度函数。
S5:判断存在内短路风险的异常电池单体。若Hn(υn,max)小于预 先设定的阈值λ,则判断该电池组中不存在内短路电池,结束本次 充电循环的计算;若Hn(υn,max)大于等于λ,对剩下的单体重复S4, 直至所剩电池中Hn(υn,max)小于λ,结束S4,所有Hn(υn,max)大于 等于λ的单体判断为存在内短路风险,进入S4。
S6:对存在内短路风险的异常单体计算该单体的剩余未充电容 量和剩余未充电电量,计算公式如下:
其中,n表示充电次数序号,j表示单体电池的序号,Cn,j表示第j 个单体电池的剩余未充电容量,En,j表示第j个单体电池的剩余未充 电电量,In,k和Un,k分别为第n次充电循环k时刻的充电电流和充电 电压,Δtn,j表示该单体电池的剩余未充电时间,tn,1表示基准电压曲 线结束充电时所对应的充电时间。
S7:对存在内短路风险的异常单体计算该单体的平均漏电流, 具体计算公式如下:
S8:对存在内短路风险的异常单体计算该单体电池的内短路电 阻,计算公式如下:
优选的,所述S3中,第一,由于内部短路单体电池在每个充放 电循环中都会在内短路电阻上有漏电流进而发生能量损耗,因此内 短路单体的剩余未充电时间会随着充电次数的增加而迅速延长,因 而电池包中发生内部短路的单体vn值会显著大于其他正常单体;
第二,采用核密度估计的方法计算所有单体vn值的概率分布, 其采用的核为高斯分布函数,所有单体υn值的概率分布可用以识别 υn值异常的单体。
优选的,所述S4中,第一,定义了vn值最大的电池单体的异常 因子Hn,其中分子部分为电池组中除去υn值最大的单体之后的其他 单体的集合的概率密度之和,分母为υn值最大的电池单体的概率密 度的N-1倍;
第二,根据异常因子Hn的定义,若vn值最大的电池单体偏离群 体的正常分布,即其对应的vn概率密度相对其他单体很小,则Hn将 会是一个远大于1的值,以此可作为vn值异常的判断标准。
优选的,所述S5中,第一,若Hn(υn,max)小于预先设定的阈值 λ,则判断该电池组中不存在内短路电池,结束本次充电循环的计 算,对下一次充电循环重新执行步骤1。
第二,若Hn(υn,max)大于等于λ,对剩下的单体重复S4,直至 所剩电池中Hn(υn,max)小于λ,结束S4。此步骤目的是找出电池组 中所有Hn大于等于λ的异常单体,对这些单体判断为存在内短路风 险,进入S4。
与现有技术相比,本发明的优点在于:
本方案以最先达到充电截止电压的单体电池的充电电压曲线作 为基准曲线,计算出其它单体电池充电结束时的剩余未充电时间并 计算每个单体相邻两次充电的剩余未充电时间的变化速率υn值,由 于内部短路单体电池在每个充放电循环中都会在内短路电阻上有漏 电流进而发生能量损耗,因此内短路单体的剩余未充电时间会随着 充电次数的增加而迅速延长,因而电池包中发生内部短路的单体υn值会显著大于其他正常单体,定义了异常因子Hn,以此判断υn值最 大的单体电池是否相对其他电池有明显异常,据此可判断单体电池 是否存在内短路风险;
本方案对存在内短路风险的单体电池计算剩余未充电容量和剩 余未充电电量,根据前后两次剩余未充电容量的差值计算通过内短 路电阻的漏电流,最后根据前后两次剩余未充电电量的差值和漏电 流计算内短路电阻,在本技术中无需对电池进行特殊的测试,只需 要电池的充电数据即可,操作和计算过程简单,评估结果较为准确;
本发明操作方便,通过简单的模型进行计算,可以在电池发生 短路时,通过检测自放电电流诊断电池内部是否短路,操作和计算 过程简单,评估结果较为准确。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述, 显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的 实施例。
一种锂离子电池内部短路诊断方法,包括以下步骤:
S1:给电池组进行充电,记最先达到充电截止电压的单体电池 为基准电池,其充电电压曲线为基准充电曲线。计算其他单体电池 达到充电截止电压还需要的剩余充电时间,具体计算公式为: Δtn,j=tn,j-tn,1,其中,n表示充电次数序号,j表示单体电池的 序号,Δtn,j表示第j号单体电池的剩余未充电时间,tn,j表示在基 准充电电压曲线上第j号单体电池充电结束时的电压位置所对应的 充电时间,tn,1表示基准电压曲线结束充电时所对应的充电时间。
S2:对每节单体电池计算其相邻两次充电循环的剩余未充电时 间变化速率vn值,具体计算公式为:其中n表 示充电次数序号,j表示单体电池的序号,Δtn,j表示第j号电池第n 次充电时对应的剩余未充电时间,Δtn-1,j表示第n-1次充电时对应 的剩余未充电时间。
S3:每次充电结束后,采用核密度估计方法计算电池组中所有 电池υn值的概率分布,具体计算公式为:
其中,σn为第n次充电所有电池υn值的标准差,Qn为第n次充电所 有电池υn值的四分位距。
S3中具体步骤包括:
S3-1、由于内部短路单体电池在每个充放电循环中都会在内短 路电阻上有漏电流进而发生能量损耗,因此内短路单体的剩余未充 电时间会随着充电次数的增加而迅速延长,因而电池包中发生内部 短路的单体vn值会显著大于其他正常单体。
S3-2、采用核密度估计的方法计算所有单体vn值的概率分布, 其采用的核为高斯分布函数。所有单体vn值的概率分布可用以识别 υn值异常的单体。
S4、计算vn值最大的电池单体的异常因子Hn(vn),具体计算公 式为:
式中,vn,max为电池组中vn值最大的电池单体的vn值,fn(·)为所有电 池vn值的概率密度函数,Ω为电池组中除去vn值最大的单体之后的 其他单体的集合,fn,Ω(·)为电池组中除去vn值最大的单体之后的其 他单体vn值的概率密度函数。
S4具体步骤包括:
S4-1、定义了vn值最大的电池单体的异常因子Hn,其中分子部 分为电池组中除去vn值最大的单体之后的其他单体的集合的概率密 度之和,分母为vn值最大的电池单体的概率密度的N-1倍。
S4-2、根据异常因子Hn的定义,若υn值最大的电池单体偏离群 体的正常分布,即其对应的υn概率密度相对其他单体很小,则Hn将 会是一个远大于1的值,以此可作为υn值异常的判断标准。
S5:判断存在内短路风险的异常电池单体。若Hn(υn,max)小于预 先设定的阈值λ,则判断该电池组中不存在内短路电池,结束本次 充电循环的计算;若Hn(υn,max)大于等于λ,对剩下的单体重复S4, 直至所剩电池中Hn(υn,max)小于λ,结束S4,所有Hn(υn,max)大于 等于λ的单体判断为存在内短路风险,进入S4。
S5具体步骤包括:
S5-1、若Hn(υn,max)小于预先设定的阈值λ,则判断该电池组中 不存在内短路电池,结束本次充电循环的计算,对下一次充电循环 重新执行步骤1。
S5-2、若Hn(υn,mas)大于等于λ,对剩下的单体重复S4,直至 所剩电池中Hn(υn,max)小于λ,结束S4。此步骤目的是找出电池组 中所有Hn大于等于λ的异常单体,对这些单体判断为存在内短路风 险,进入S4。
S6:对存在内短路风险的异常单体计算该单体的剩余未充电容 量和剩余未充电电量,计算公式如下:
其中,n表示充电次数序号,j表示单体电池的序号,Cn,j表示第j 个单体电池的剩余未充电容量,En,j表示第j个单体电池的剩余未充 电电量,In,k和Un,k分别为第n次充电循环k时刻的充电电流和充电 电压,Δtn,j表示该单体电池的剩余未充电时间,tn,1表示基准电压曲 线结束充电时所对应的充电时间。
S7:对存在内短路风险的异常单体计算该单体的平均漏电流, 具体计算公式如下:
S8:对存在内短路风险的异常单体计算该单体电池的内短路电 阻,计算公式如下:
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护 范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露 的技术范围内,根据本发明的技术方案及其发明构思加以等同替换 或改变,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种锂离子电池内部短路诊断方法,其特征在于,包括以下诊断步骤:
S1:给电池组进行充电,记最先达到充电截止电压的单体电池为基准电池,其充电电压曲线为基准充电曲线;
S2:对每节单体电池计算其相邻两次充电循环的剩余未充电时间变化速率υn值;
S3:每次充电结束后,采用核密度估计方法计算电池组中所有电池υn值的概率分布;
S4:计算υn值最大的电池单体的异常因子Hn(υn);
S5:判断存在内短路风险的异常电池单体;
S6:对存在内短路风险的异常单体计算该单体的剩余未充电容量和剩余未充电电量;
S7:对存在内短路风险的异常单体计算该单体的平均漏电流;
S8:对存在内短路风险的异常单体计算该单体电池的内短路电阻。
2.根据权利要求1所述的一种锂离子电池内部短路诊断方法,其特征在于,所述S1中,计算其他单体电池达到充电截止电压还需要的剩余充电时间,具体计算公式为:Δtn,j=tn,j-tn,1,其中,n表示充电次数序号,j表示单体电池的序号,Δtn,j表示第j号单体电池的剩余未充电时间,tn,j表示在基准充电电压曲线上第j号单体电池充电结束时的电压位置所对应的充电时间,tn,1表示基准电压曲线结束充电时所对应的充电时间。
6.根据权利要求1所述的一种锂离子电池内部短路诊断方法,其特征在于,所述S5中,Hn(υn,max)小于预先设定的阈值λ,则判断该电池组中不存在内短路电池,结束本次充电循环的计算;Hn(υn,max)大于等于λ,对剩下的单体重复S4,直至所剩电池中Hn(υn,max)小于λ,结束S4,所有Hn(υn,max)大于等于λ的单体判断为存在内短路风险,进入S6。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210628828.6A CN115308617B (zh) | 2022-06-06 | 2022-06-06 | 一种锂离子电池内部短路诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210628828.6A CN115308617B (zh) | 2022-06-06 | 2022-06-06 | 一种锂离子电池内部短路诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115308617A true CN115308617A (zh) | 2022-11-08 |
CN115308617B CN115308617B (zh) | 2024-05-03 |
Family
ID=83855179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210628828.6A Active CN115308617B (zh) | 2022-06-06 | 2022-06-06 | 一种锂离子电池内部短路诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115308617B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116154900A (zh) * | 2023-01-05 | 2023-05-23 | 北京西清能源科技有限公司 | 一种电池储能电站的主动安全三级防控系统及方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1174441A (zh) * | 1996-06-24 | 1998-02-25 | 索尼公司 | 电池测定方法和电池测定装置 |
JP2001289924A (ja) * | 2000-04-03 | 2001-10-19 | Nippon Telegr & Teleph Corp <Ntt> | リチウムイオン電池の容量推定方法、劣化判定方法および劣化判定装置ならびにリチウムイオン電池パック |
CN1697245A (zh) * | 2004-05-14 | 2005-11-16 | 松下电器产业株式会社 | 电池评价装置 |
JP2008298643A (ja) * | 2007-05-31 | 2008-12-11 | Sanyo Electric Co Ltd | パック電池の内部消費電流異常の検出方法 |
CN101800340A (zh) * | 2009-02-05 | 2010-08-11 | 三洋电机株式会社 | 二次电池的异常检测器件及二次电池器件 |
WO2018196121A1 (zh) * | 2017-04-26 | 2018-11-01 | 华为技术有限公司 | 一种确定电池内短路的方法及装置 |
US20190168617A1 (en) * | 2017-12-04 | 2019-06-06 | Industrial Technology Research Institute | Method and system for determining discharging process of battery |
CN110780225A (zh) * | 2018-07-30 | 2020-02-11 | 广州小鹏汽车科技有限公司 | 一种电池包内短路检测方法、装置和电动汽车 |
US20200266645A1 (en) * | 2019-02-20 | 2020-08-20 | Samsung Sdi Co., Ltd. | Battery control apparatus and battery control method |
CN111679201A (zh) * | 2020-06-30 | 2020-09-18 | 重庆长安新能源汽车科技有限公司 | 一种动力电池包内短路的检测方法 |
CN112098893A (zh) * | 2020-09-18 | 2020-12-18 | 哈尔滨理工大学 | 一种适用于电动汽车的基于初始容量差异的电池内短路故障诊断方法 |
CN112180266A (zh) * | 2020-09-21 | 2021-01-05 | 上海理工大学 | 一种电池内短路全过程的跟踪预警方法 |
KR20210054407A (ko) * | 2019-11-05 | 2021-05-13 | 정대원 | 배터리 내부단락검출 시스템 및 이를 이용한 배터리 내부단락검출 방법 |
CN112924884A (zh) * | 2021-01-29 | 2021-06-08 | 同济大学 | 基于增量容量曲线峰值面积的电池内短路定量诊断方法 |
WO2021136384A1 (zh) * | 2019-12-30 | 2021-07-08 | Oppo广东移动通信有限公司 | 用于内短路电流检测方法、装置、设备及可读存储介质 |
WO2021217698A1 (zh) * | 2020-04-29 | 2021-11-04 | 上海理工大学 | 一种区分电池微短路和小容量故障的诊断方法 |
CN113884890A (zh) * | 2021-11-02 | 2022-01-04 | 轻橙时代(深圳)科技有限责任公司 | 一种动力电池内短路检测方法 |
-
2022
- 2022-06-06 CN CN202210628828.6A patent/CN115308617B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1174441A (zh) * | 1996-06-24 | 1998-02-25 | 索尼公司 | 电池测定方法和电池测定装置 |
US5945805A (en) * | 1996-06-24 | 1999-08-31 | Sony Corporation | Cell evaluating method and cell evaluating apparatus |
JP2001289924A (ja) * | 2000-04-03 | 2001-10-19 | Nippon Telegr & Teleph Corp <Ntt> | リチウムイオン電池の容量推定方法、劣化判定方法および劣化判定装置ならびにリチウムイオン電池パック |
CN1697245A (zh) * | 2004-05-14 | 2005-11-16 | 松下电器产业株式会社 | 电池评价装置 |
JP2008298643A (ja) * | 2007-05-31 | 2008-12-11 | Sanyo Electric Co Ltd | パック電池の内部消費電流異常の検出方法 |
CN101800340A (zh) * | 2009-02-05 | 2010-08-11 | 三洋电机株式会社 | 二次电池的异常检测器件及二次电池器件 |
WO2018196121A1 (zh) * | 2017-04-26 | 2018-11-01 | 华为技术有限公司 | 一种确定电池内短路的方法及装置 |
US20190168617A1 (en) * | 2017-12-04 | 2019-06-06 | Industrial Technology Research Institute | Method and system for determining discharging process of battery |
CN110780225A (zh) * | 2018-07-30 | 2020-02-11 | 广州小鹏汽车科技有限公司 | 一种电池包内短路检测方法、装置和电动汽车 |
US20200266645A1 (en) * | 2019-02-20 | 2020-08-20 | Samsung Sdi Co., Ltd. | Battery control apparatus and battery control method |
KR20210054407A (ko) * | 2019-11-05 | 2021-05-13 | 정대원 | 배터리 내부단락검출 시스템 및 이를 이용한 배터리 내부단락검출 방법 |
WO2021136384A1 (zh) * | 2019-12-30 | 2021-07-08 | Oppo广东移动通信有限公司 | 用于内短路电流检测方法、装置、设备及可读存储介质 |
WO2021217698A1 (zh) * | 2020-04-29 | 2021-11-04 | 上海理工大学 | 一种区分电池微短路和小容量故障的诊断方法 |
CN111679201A (zh) * | 2020-06-30 | 2020-09-18 | 重庆长安新能源汽车科技有限公司 | 一种动力电池包内短路的检测方法 |
CN112098893A (zh) * | 2020-09-18 | 2020-12-18 | 哈尔滨理工大学 | 一种适用于电动汽车的基于初始容量差异的电池内短路故障诊断方法 |
CN112180266A (zh) * | 2020-09-21 | 2021-01-05 | 上海理工大学 | 一种电池内短路全过程的跟踪预警方法 |
CN112924884A (zh) * | 2021-01-29 | 2021-06-08 | 同济大学 | 基于增量容量曲线峰值面积的电池内短路定量诊断方法 |
CN113884890A (zh) * | 2021-11-02 | 2022-01-04 | 轻橙时代(深圳)科技有限责任公司 | 一种动力电池内短路检测方法 |
Non-Patent Citations (15)
Title |
---|
刘力硕;张明轩;卢兰光;欧阳明高;冯旭宁;郑岳久;韩雪冰;潘岳;: "锂离子电池内短路机理与检测研究进展", 储能科学与技术, no. 06 * |
刘宏阳;杨林;李济霖;: "基于长短期记忆网络的电动汽车电池故障诊断", 机电一体化, no. 1, 15 April 2020 (2020-04-15) * |
卢兰光;李建秋;华剑锋;欧阳明高;: "电动汽车锂离子电池管理系统的关键技术", 科技导报, no. 06, 28 March 2016 (2016-03-28) * |
吴祎;王友仁;: "锂离子电池内短路研究综述", 机械制造与自动化, no. 04, 13 August 2020 (2020-08-13) * |
周萍;孙林;郑岳久;欧阳明高;周龙;: "车用镍钴锰三元锂离子电池过放电后的性能实验研究", 汽车安全与节能学报, no. 01, 15 March 2017 (2017-03-15) * |
寇志华;潘旭海;季豪;: "基于容量衰减速率的三元锂电池健康状态预测", 电源技术, no. 02 * |
张青松;姜乃文;罗星娜;曹文杰;: "锂离子电池热失控多米诺效应实证研究", 科学技术与工程, no. 10, 8 April 2016 (2016-04-08) * |
方谋;赵骁;李建军;何向明;毛宗强;欧阳明高;: "电动车用锂离子蓄电池模块安全性之内短路", 新材料产业, no. 10, 5 October 2013 (2013-10-05) * |
沈川杰;张懋慧;李克锋;杨志云;徐伟;顾文杰;: "高温贮存对锂离子电池荷电容量损耗速率的研究", 科技与创新, no. 17, 4 September 2020 (2020-09-04) * |
胡家佳;许涛;方雷;: "锂离子电池自放电影响因素及测量方法研究", 电源技术, no. 03, 20 March 2017 (2017-03-20) * |
范志强;: "电动汽车锂电池内短路诱发热失控的机理研究进展", 时代汽车, no. 11, 5 June 2020 (2020-06-05) * |
赵萌;李娜;苑津莎;王开让;巩宇;: "梯次利用锂电池内阻一致性评估指标", 中外能源, no. 08, 15 August 2018 (2018-08-15) * |
金标;周明涛;刘方方;安治文;: "磷酸铁锂动力锂离子电池穿刺实验", 电池, no. 01, 25 February 2017 (2017-02-25) * |
陈永胜;孙焕丽;毛俊;: "动力电池性能异常衰减的原因及机理分析", 电源技术, no. 04, 20 April 2019 (2019-04-20) * |
黄伟昭;李小平;张栋省;刘燕林;刘震;李伟善;: "基于开路电压回升速率和交流阻抗相结合的一种锂离子电池SOH算法", 新能源进展, no. 01, 15 February 2014 (2014-02-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116154900A (zh) * | 2023-01-05 | 2023-05-23 | 北京西清能源科技有限公司 | 一种电池储能电站的主动安全三级防控系统及方法 |
CN116154900B (zh) * | 2023-01-05 | 2023-11-28 | 北京西清能源科技有限公司 | 一种电池储能电站的主动安全三级防控系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115308617B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109031145B (zh) | 一种考虑不一致性的串并联电池组模型及实现方法 | |
US6700383B2 (en) | Method of detecting and resolving memory effect | |
Jiaqiang et al. | Effects analysis on active equalization control of lithium-ion batteries based on intelligent estimation of the state-of-charge | |
CN111679201B (zh) | 一种动力电池包内短路的检测方法 | |
CN107894571B (zh) | 车载电池组寿命估算方法 | |
CN110370984A (zh) | 动力电池热失控预警方法 | |
CN110940921A (zh) | 基于修正方差的锂离子电池串的多故障诊断方法及系统 | |
CN101458310A (zh) | 一种电池一致性的评价方法 | |
CN102331560A (zh) | 一种镍氢电池荷电态的估算方法 | |
CN104614632A (zh) | 一种电池微短路的识别方法 | |
CN111257770B (zh) | 一种电池包功率估算方法 | |
CN113884890A (zh) | 一种动力电池内短路检测方法 | |
CN112363061A (zh) | 一种基于大数据的热失控风险评估方法 | |
CN112540297A (zh) | 一种研究锂离子电池过充安全冗余边界的方法 | |
CN115308617B (zh) | 一种锂离子电池内部短路诊断方法 | |
CN109884542B (zh) | 磷酸铁锂动力电池并联模组内微短路故障单体的检测方法 | |
CN109698526B (zh) | 一种安全的锂电池组均衡实现方法 | |
CN112986839A (zh) | 基于置信区间的锂离子动力电池组的故障诊断方法与系统 | |
CN114384421A (zh) | 一种锂离子电池系统性能衰减的预警方法和分析方法 | |
Meghana et al. | A Critical Review on Electric Vehicle Battery Failures and Causes | |
CN104135044B (zh) | 一种电池储能系统充放电电流限制方法 | |
CN113884922B (zh) | 一种基于电压和电量离群系数的电池内短路定量诊断方法 | |
CN114035074B (zh) | 一种诊断磷酸铁锂串联电池组中微短路单体的方法 | |
CN115091981A (zh) | 一种电动汽车充检实时安全监测方法及装置 | |
CN111416411A (zh) | 一种高压锂离子电池温度自适应过放报警控制方法 |
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 |