CN115684942A - 电池短路故障检测方法、装置、计算机设备及介质 - Google Patents
电池短路故障检测方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN115684942A CN115684942A CN202211347595.9A CN202211347595A CN115684942A CN 115684942 A CN115684942 A CN 115684942A CN 202211347595 A CN202211347595 A CN 202211347595A CN 115684942 A CN115684942 A CN 115684942A
- Authority
- CN
- China
- Prior art keywords
- circuit
- short
- battery
- state
- model
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 claims description 35
- 230000015654 memory Effects 0.000 claims description 24
- 230000010287 polarization Effects 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 9
- 230000020169 heat generation Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000010295 mobile communication 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
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Landscapes
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明提供了一种电池短路故障检测方法、装置、计算机设备及介质。其中,电池短路故障检测方法,包括:获取电池的电路信息和温度信息;基于电路信息、温度信息和短路模型计算电池的短路电阻,短路模型包括短路状态下的电模型和短路状态下的热模型,短路状态下的电模型和短路状态下的热模型分别用于表征电池在短路状态下的电压状态和温度状态;当短路电阻值小于预设短路电阻值时,判定电池出现短路故障。通过本发明,在诊断电池短路故障时,既考虑电池的电压信号的变化,又考虑电池的温度变化,提高电池短路故障的准确性。
Description
技术领域
本发明实施例涉及电路领域,尤其涉及一种电池短路故障检测方法、装置、计算机设备及介质。
背景技术
随着近年来新能源产业的发展,锂离子电池由于具有能量密度高、循环寿命长、环境友好等优势,逐渐成为电动汽车和储能电站等应用场景下的主要储能部件。然而,动力电池热失控带来的安全问题一直制约着产业的快速发展。其中,内部短路是电池热失控的关键环节。因此,如何快速、准确的诊断电池内部的短路故障,对提高电池系统安全性具有重要意义。
现有技术中,短路诊断算法仅仅考虑电池电压信号的变化,忽略电池在短路故障发生时的温度变化,在诊断过程中不能准确判断短路故障信息。
发明内容
为提高电池短路故障诊断的准确性,本发明提出了一种电池短路故障检测方法、装置、计算机设备及介质。
第一方面,本发明提供了一种电池短路故障检测方法,方法包括:
获取电池的电路信息和温度信息;
基于电路信息、温度信息和短路模型计算电池的短路电阻,短路模型包括短路状态下的电模型和短路状态下的热模型,短路状态下的电模型和短路状态下的热模型分别用于表征电池在短路状态下的电压状态和温度状态;
当短路电阻值小于预设短路电阻值时,判定电池出现短路故障。
通过上述方法,当电池出现短路故障时,短路电阻产热会导致电池温度升高,在电池短路故障诊断过程中,在电压信息的基础上加入与电池状态相关联的温度信息,利用电模型和热模型分别表征电池的电压状态和温度状态,将电池的电压信息和温度信息相结合计算得到短路电阻,根据短路电阻诊断电池短路故障,提高电池短路故障诊断的准确性,增强电池系统的安全性。
结合第一方面,在第一方面的第一实施例中,基于电路信息、温度信息和短路模型计算电池的短路电阻,包括:
基于电路信息、温度信息和短路模型计算电池的短路电阻和对应的预估温度,短路电阻使得对应的预估温度与测量温度的均方根误差最小。
结合第一方面的第一实施例,在第一方面的第二实施例中,短路状态下的电模型为短路状态下的一阶RC等效电路模型,通过如下步骤建立短路状态下的一阶RC等效电路模型:
获取各工况下电池在正常状态下的电路信息;
基于各工况下电池在正常状态下的电路信息,确定短路状态下的一阶RC等效电路模型中的第一参数;
基于第一参数建立以及短路状态下的电路结构建立短路状态下的一阶RC等效电路模型。
结合第一方面的第一实施例或第一方面的第二实施例,在第一方面的第三实施例中,电路信息包括输入电流,短路状态下的热模型为短路状态下的集中质量热模型,通过如下步骤建立短路状态下的集中质量热模型:
获取各工况下电池在正常状态下的输入电流和温度信息;
基于各工况下电池在正常状态下的输入电流和温度信息,确定短路状态下的集中质量热模型中的第二参数;
基于第二参数建立以及短路状态下的电路结构建立短路状态下的集中质量热模型。
结合第一方面的第二实施例,在第一方面的第四实施例中,短路状态下的一阶RC等效电路模型表示如下:
其中,U1表示极化电压,I表示输入电流,R1表示极化电阻,C1表示极化电容,Ut表示端电压,RSC表示短路电阻,UOCV表示开路电压,R0示欧姆内阻。
结合第一方面的第三实施例,在第一方面的第五实施例中,短路状态下的集中质量热模型表示如下:
其中,Qtotall表示电池总产热,I表示输入电流,Ut表示端电压,RSC表示短路电阻,R0示欧姆内阻,R1表示极化电阻,Ut表示端电压,T表示电池温度,T∞表示环境温度,m表示质量,cp表示比热容,h表示对流换热系数,A表示表面积。
结合第一方面,在第一方面的第六实施例中,该方法还包括:
基于短路电阻值与预设短路电阻值评估电池的故障程度。
通过上述实施例,根据计算得到的短路电阻值和预设短路电阻值,为电池故障的严重程度提供参考。
第二方面,本发明还提供了一种电池短路故障检测装置,该装置包括:
获取模块,用于获取电池的电路信息和温度信息;
计算模块,用于基于电路信息、温度信息和短路模型计算电池的短路电阻,短路模型包括短路状态下的电模型和短路状态下的热模型,短路状态下的电模型和短路状态下的热模型分别用于表征电池在短路状态下的电压状态和温度状态;
判定模块,用于当短路电阻值小于预定的短路电阻值时,判定电池出现短路故障。
通过上述装置,当电池出现短路故障时,短路电阻产热会导致电池温度升高,在电池短路故障诊断过程中,在电压信息的基础上加入与电池状态相关联的温度信息,利用电模型和热模型分别表征电池的电压状态和温度状态,将电池的电压信息和温度信息相结合计算得到短路电阻,根据短路电阻诊断电池短路故障,提高电池短路故障诊断的准确性,增强电池系统的安全性。
第三方面,本发明还提供了一种计算机设备,包括存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行第一方面或第一方面的任一实施例的电池短路故障检测方法的步骤。
第四方面,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现第一方面或第一方面的任一实施例的电池短路故障检测方法的步骤。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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。
图1是根据一示例性实施例提出的一种电池短路故障检测方法的流程图;
图2是在一示例中,正常状态下的电路结构示意图;
图3是在一示例中,正常状态下的一阶等效电路模型的参数辨识结果图;
图4是在一示例中,短路状态下的电路结构示意图;
图5是在一示例中,计算得到的短路电阻;
图6是根据一示例性实施例提出的一种电池短路故障检测装置的结构示意图;
图7是根据一示例性实施例提出的一种计算机设备的硬件结构示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
为提高电池短路故障诊断的准确性,本发明提出了一种电池短路故障检测方法、装置、计算机设备及介质。
图1是根据一示例性实施例提出的一种电池短路故障检测方法的流程图。如图1所示,该方法包括如下步骤S101至S104。
步骤S101:获取电池的电路信息和温度信息。
具体地,电路信息包括电池的输入电流、端电压和开路电压,温度信息包括电池的测量温度和环境温度。
步骤S102:基于电路信息、温度信息和短路模型计算电池的短路电阻,短路模型包括短路状态下的电模型和短路状态下的热模型,短路状态下的电模型和短路状态下的热模型分别用于表征电池在短路状态下的电压状态和温度状态。
具体地,电模型包括等效电路模型,示例性地可以为一阶RC模型、二阶RC模型等,热模型可以为集中质量热模型、连续网络热路模型、局部网络热路模型等。
步骤S103:当短路电阻值小于预设短路电阻值时,判定电池出现短路故障。
通过上述方法,当电池出现短路故障时,短路电阻产热会导致电池温度升高,在电池短路故障诊断过程中,在电压信息的基础上加入与电池状态相关联的温度信息,利用电模型和热模型分别表征电池的电压状态和温度状态,将电池的电压信息和温度信息相结合计算得到短路电阻,根据短路电阻诊断电池短路故障,提高电池短路故障诊断的准确性,增强电池系统的安全性。
在一示例中,上述步骤S102中,短路状态下的电模型为短路状态下的一阶RC等效电路模型,通过如下步骤建立短路状态下的一阶RC等效电路模型:
首先,获取各工况下电池在正常状态下的电路信息。
示例性地,在正常状态下的电路信息可以在多种工况下进行电池特征实验测试获得。其中,若需要对用在车辆上的电池进行故障检测,为用在车辆上的电池建立的一阶RC等效电路模型时,电池特征实验测试包括:电池静态容量测试、开路电压(Open CircuitVoltage,OCV)测试、在不同温度和荷电状态(State of Charge,SOC)下的复合脉冲(HybridPulse Power Characteristic,HPPC)测试、动态应力工况测试(Dynamic Stress Test,DST)以及美国联邦城市驾驶工况(Federal Urban Driving Schedule,FUDS)、城市功率驾驶工况(Urban Dynamometer Driving Schedule,UDDS)等实车工况的测试。
然后,基于各工况下电池在正常状态下的电路信息,确定短路状态下的一阶RC等效电路模型中的第一参数。
具体地,根据各工况下电池在正常状态下的电路信息得到的正常状态下的一阶RC等效电路模型中的参数,以该参数作为短路状态下的一阶RC等效电路模型中的第一参数。
在一可选实施例中,可以通过参数辨识法获取第一参数。具体步骤可以为:
1.基于正常状态下的电路结构,建立正常状态下的一阶RC等效电路模型。图2为正常状态下的电路结构示意图,为该电路结构建立的模型可以表示如下:
Ut=UOCV-U1-R0I
Tao=R1×C1
其中,U1表示极化电压,I表示输入电流,R1表示极化电阻,C1表示极化电容,Ut表示端电压,UoCV表示开路电压,R0示欧姆内阻,Tao表示时间常数。
2.基于各工况下电池在正常状态下的电路信息,利用非线性参数辨识方法辨识正常状态下的一阶RC等效电路模型参数R0、R1、C1,将其作为短路状态下的一阶RC等效电路模型中的第一参数。图3为正常状态下的一阶等效电路模型的参数辨识结果图。
最后,基于第一参数建立以及短路状态下的电路结构建立短路状态下的一阶RC等效电路模型,即,将第一参数的值代入为短路状态下的电路结构建立的模型中,即可得到短路状态下的一阶RC等效电路模型。
图4为短路状态下的电路结构示意图。以放电工况为例,在短路状态下的一阶RC等效电路模型中,短路电阻RSC两端电压与电池端电压相同,流过短路电芯的实际电流If等于输入电流I和短路电流ISC之和,即:
If=I+ISC
结合短路电流更新正常状态下的一阶电路模型,相比正常情况下,流过短路电芯的实际电流增大,消耗过多的电量导致SOC下降更快,电压下降也更快。图4中,短路状态下的一阶RC等效电路模型可以表示如下:
其中,U1表示极化电压,I表示输入电流,R1表示极化电阻,C1表示极化电容,Ut表示端电压,RSC表示短路电阻,UOCV表示开路电压,R0示欧姆内阻。
在一示例中,上述步骤S102中,短路状态下的热模型为短路状态下的集中质量热模型,电路信息包括输入电流,通过如下步骤建立短路状态下的集中质量热模型:
首先,获取各工况下电池在正常状态下的输入电流和温度信息。
示例性地,在正常状态下的输入电流和温度信息同样可以在多种工况下进行电池特征实验测试获得,在此不再赘述。
然后,基于各工况下电池在正常状态下的输入电流和温度信息,确定短路状态下的集中质量热模型中的第二参数。
具体地,根据各工况下电池在正常状态下的输入电流和温度信息,得到的正常状态下的集中质量热模型中的参数,以该参数作为短路状态下的集中质量热模型中的第二参数。
在一可选实施例中,同样采用参数辨识法获取第二参数。具体步骤如下:
1.基于正常状态下的电路结构,建立正常状态下的集中质量热模型。结合图2中的电路结构,产热项主要来源于欧姆内阻和极化电阻产热,因此,正常状态下的集中质量热模型可以表示如下:
Qtotall=I2(R0+R1)
其中,Qtotall表示电池总产热,I表示输入电流,R0示欧姆内阻,R1表示极化电阻,m表示质量,cp表示比热容,h表示对流换热系数,A表示表面积,T表示电池温度,T∞表示环境温度。
2.基于各工况下电池在正常状态下的输入电流和温度信息,利用非线性参数辨识方法辨识正常状态下的集中质量热模型参数m、cp、h、A,将其作为短路状态下的集中质量热模型中的第二参数。
最后,基于第二参数建立以及短路状态下的电路结构建立短路状态下的集中质量热模型。
同样以放电工况为例,如图4所示,电池的总产热由电芯自身的内阻产热以及短路电阻产热两部分组成,而且由于流过电池的实际电流增大,相比正常电池,则由电芯自身的内阻产热也会增大。因此,短路状态下的集中质量热模型可以表示如下:
其中,Qtotall表示电池总产热,I表示输入电流,Ut表示端电压,RSC表示短路电阻,R0示欧姆内阻,R1表示极化电阻,Ut表示端电压,T表示电池温度,T∞表示环境温度,m表示质量,cp表示比热容,h表示对流换热系数,A表示表面积。
在电池常用工作区间内,一般情况下虽然R0和R1在不同环境温度和SOC下参数不同,但参数差异不大且基本在同一数量级,将R0和R1的平均值之和看作电池等效内阻Re,可以进一步减小短路阻值估计的计算量,更易于应用到实际电池管理系统中。
在一示例中,基于电池的电路信息、温度信息和短路模型计算电池的短路电阻和对应的预估温度,短路电阻使得对应的预估温度与测量温度的均方根误差最小。
示例性的,可以利用非线性参数辨识算法,求解电池的短路电阻和对应的预估温度。在具体实施例中,采用粒子群优化算法,以短路电阻为优化变量,使得对应的预估温度与测量温度的均方根误差最小。优化的目标函数表示如下:
图5是根据上述实施例提供的电池短路故障检测方法计算得到的短路电阻。从图5中可以看出电池的实际短路电阻为1Ω,本实施例中计算得到的短路电阻维持在1Ω附近,平均值为1.094Ω,与实际的短路电阻误差较小,根据上述实施例提供的电池短路故障检测方法计算得到的短路电阻准确性较高。同时,利用本方法可以通过电压信息和温度信息捕捉异常的微弱信号,在电池短路的早期,即当计算得到的短路电阻值与预设短路电阻值时即可发现故障,有助于电池热失控早期预警。
在一示例中,上述步骤S103中的预设短路电阻值可以根据规定的电池容量标准设定。在国家标准GB/T 31486-2015中规定:电池静置28天的容量应不低于85%,短路的电池自放电消耗额外的电量,因此,可计算出特定电池的自放电等效短路电阻为:
在具体实施例中,当电池的标称容量和标称电压分别为3.66V和174Ah时,可以计算得到为94.23Ω。若根据电模型和热模型计算得到的短路电阻值小于时,表示电池出现了短路故障,短路电阻消耗了额外的电量。
在一示例中,基于短路电阻值与预设短路电阻值对电池的故障程度进行评估。
示例性的,根据短路电阻值与预设短路电阻值的差值设置不同的故障等级。当根据电模型和热模型计算得到的短路电阻值与预设短路电阻值的差值越大时,表明该电池故障程度越严重,故障等级越高。当然也可以按照短路电阻值与预设短路电阻值的比值等关系进行故障等级评估。
基于相同发明构思,本发明实施例还提供一种渠道参数预测装置,如图6所示,该装置包括:
获取模块601,用于获取电池的电路信息和温度信息。详细内容参见上述实施例中步骤S101的描述,在此不再赘述。
计算模块602,用于基于电路信息、温度信息和短路模型计算电池的短路电阻,短路模型包括短路状态下的电模型和短路状态下的热模型,短路状态下的电模型和短路状态下的热模型分别用于表征电池在短路状态下的电压状态和温度状态。详细内容参见上述实施例中步骤S102的描述,在此不再赘述。
判定模块603,用于当短路电阻值小于预定的短路电阻值时,判定电池出现短路故障。详细内容参见上述实施例中步骤S103的描述,在此不再赘述。
在一示例中,在计算模块602中,该模块用于基于电路信息、温度信息和短路模型计算电池的短路电阻和对应的预估温度,短路电阻使得对应的预估温度与测量温度的均方根误差最小。详细内容参见上述实施例中的描述,在此不再赘述。
在又一示例中,在计算模块602中,短路状态下的电模型为短路状态下的一阶RC等效电路模型,计算模块602包括:
第一获取子模块,用于获取各工况下电池在正常状态下的电路信息。详细内容参见上述实施例中的描述,在此不再赘述。
第一确定子模块,用于基于各工况下电池在正常状态下的电路信息,确定短路状态下的一阶RC等效电路模型中的第一参数。详细内容参见上述实施例中的描述,在此不再赘述。
第一建立子模块,用于基于第一参数建立以及短路状态下的电路结构建立短路状态下的一阶RC等效电路模型。详细内容参见上述实施例中的描述,在此不再赘述。
在一示例中,在计算模块602中,电路信息包括输入电流,短路状态下的热模型为短路状态下的集中质量热模型,计算模块602还包括:
第二获取模块,用于获取各工况下电池在正常状态下的输入电流和温度信息。详细内容参见上述实施例中的描述,在此不再赘述。
第二确定子模块,用于基于各工况下电池在正常状态下的输入电流和温度信息,确定短路状态下的集中质量热模型中的第二参数。详细内容参见上述实施例中的描述,在此不再赘述。
第二建立子模块,用于基于第二参数建立以及短路状态下的电路结构建立短路状态下的集中质量热模型。详细内容参见上述实施例中的描述,在此不再赘述。
在一可选实施例中,在第一建立子模块中,短路状态下的一阶RC等效电路模型表示如下:
其中,U1表示极化电压,I表示输入电流,R1表示极化电阻,C1表示极化电容,Ut表示端电压,RSC表示短路电阻,UOCV表示开路电压,R0示欧姆内阻。详细内容参见上述实施例中的描述,在此不再赘述。
在一可选实施例中,在第二建立子模块中,短路状态下的集中质量热模型表示如下:
其中,Qtotall表示电池总产热,I表示输入电流,Ut表示端电压,RSC表示短路电阻,R0示欧姆内阻,R1表示极化电阻,Ut表示端电压,T表示电池温度,T∞表示环境温度,m表示质量,cp表示比热容,h表示对流换热系数,A表示表面积。详细内容参见上述实施例中的描述,在此不再赘述。
在一示例中,该装置还包括:
评估模块,用于基于短路电阻值与预设短路电阻值评估电池的故障程度。详细内容参见上述实施例中的描述,在此不再赘述。
上述装置的具体限定以及有益效果可以参见上文中对电池短路故障检测方法的限定,在此不再赘述。上述各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
图7是根据一示例性实施例提出的一种计算机设备的硬件结构示意图。如图7所示,该设备包括一个或多个处理器710以及存储器720,存储器720包括持久内存、易失内存和硬盘,图7中以一个处理器710为例。该设备还可以包括:输入装置730和输出装置740。
处理器710、存储器720、输入装置730和输出装置740可以通过总线或者其他方式连接,图7中以通过总线连接为例。
处理器710可以为中央处理器(Central Processing Unit,CPU)。处理器710还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器720作为一种非暂态计算机可读存储介质,包括持久内存、易失内存和硬盘,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本申请实施例中电池短路故障检测方法对应的程序指令/模块。处理器710通过运行存储在存储器720中的非暂态软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述任意一种电池短路故障检测方法。
存储器720可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据、需要使用的数据等。此外,存储器720可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器720可选包括相对于处理器710远程设置的存储器,这些远程存储器可以通过网络连接至数据处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置730可接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的信号输入。输出装置740可包括显示屏等显示设备。
一个或者多个模块存储在存储器720中,当被一个或者多个处理器710执行时,执行如图1所示的方法。
上述产品可执行本发明实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,具体可参见如图1所示的实施例中的相关描述。
本发明实施例还提供了一种非暂态计算机存储介质,计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的检测方法。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(RandomAccess Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;存储介质还可以包括上述种类的存储器的组合。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种电池短路故障检测方法,其特征在于,所述方法包括:
获取电池的电路信息和温度信息;
基于所述电路信息、所述温度信息和短路模型计算所述电池的短路电阻,所述短路模型包括短路状态下的电模型和短路状态下的热模型,短路状态下的电模型和短路状态下的热模型分别用于表征所述电池在短路状态下的电压状态和温度状态;
当短路电阻值小于预设短路电阻值时,判定所述电池出现短路故障。
2.根据权利要求1所述的方法,其特征在于,所述基于所述电路信息、所述温度信息和短路模型计算所述电池的短路电阻,包括:
基于所述电路信息、所述温度信息和所述短路模型计算所述电池的短路电阻和对应的预估温度,所述短路电阻使得对应的预估温度与测量温度的均方根误差最小。
3.根据权利要求2所述的方法,其特征在于,所述短路状态下的电模型为短路状态下的一阶RC等效电路模型,通过如下步骤建立短路状态下的一阶RC等效电路模型:
获取各工况下电池在正常状态下的电路信息;
基于各工况下电池在正常状态下的电路信息,确定短路状态下的一阶RC等效电路模型中的第一参数;
基于所述第一参数建立以及短路状态下的电路结构建立短路状态下的一阶RC等效电路模型。
4.根据权利要求2或3所述的方法,其特征在于,所述电路信息包括输入电流,所述短路状态下的热模型为短路状态下的集中质量热模型,通过如下步骤建立短路状态下的集中质量热模型:
获取各工况下电池在正常状态下的输入电流和温度信息;
基于各工况下电池在正常状态下的输入电流和温度信息,确定所述短路状态下的集中质量热模型中的第二参数;
基于所述第二参数建立以及短路状态下的电路结构建立短路状态下的集中质量热模型。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述短路电阻值与所述预设短路电阻值评估所述电池的故障程度。
8.一种电池短路故障检测装置,其特征在于,所述装置包括:
获取模块,用于获取电池的电路信息和温度信息;
计算模块,用于基于所述电路信息、所述温度信息和短路模型计算所述电池的短路电阻,所述短路模型包括短路状态下的电模型和短路状态下的热模型,短路状态下的电模型和短路状态下的热模型分别用于表征所述电池在短路状态下的电压状态和温度状态;
判定模块,用于当短路电阻值小于预定的短路电阻值时,判定所述电池出现短路故障。
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1-7中任一项所述的电池短路故障检测方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的电池短路故障检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211347595.9A CN115684942A (zh) | 2022-10-31 | 2022-10-31 | 电池短路故障检测方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211347595.9A CN115684942A (zh) | 2022-10-31 | 2022-10-31 | 电池短路故障检测方法、装置、计算机设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115684942A true CN115684942A (zh) | 2023-02-03 |
Family
ID=85046487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211347595.9A Pending CN115684942A (zh) | 2022-10-31 | 2022-10-31 | 电池短路故障检测方法、装置、计算机设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115684942A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116106771A (zh) * | 2023-03-15 | 2023-05-12 | 华能澜沧江水电股份有限公司 | 基于结构分析法的电池组故障检测方法、装置及电子设备 |
CN116184248A (zh) * | 2023-04-24 | 2023-05-30 | 广东石油化工学院 | 一种串联电池组的微小短路故障检测方法 |
CN116256661A (zh) * | 2023-05-16 | 2023-06-13 | 中国华能集团清洁能源技术研究院有限公司 | 电池故障检测方法、装置、电子设备和存储介质 |
CN116298912A (zh) * | 2023-03-08 | 2023-06-23 | 上海玫克生储能科技有限公司 | 电池微短路电路模型的建立方法、系统、设备及介质 |
CN116400247A (zh) * | 2023-06-08 | 2023-07-07 | 中国华能集团清洁能源技术研究院有限公司 | 电池软短路故障的确定方法及装置 |
-
2022
- 2022-10-31 CN CN202211347595.9A patent/CN115684942A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116298912A (zh) * | 2023-03-08 | 2023-06-23 | 上海玫克生储能科技有限公司 | 电池微短路电路模型的建立方法、系统、设备及介质 |
CN116298912B (zh) * | 2023-03-08 | 2023-12-12 | 上海玫克生储能科技有限公司 | 电池微短路电路模型的建立方法、系统、设备及介质 |
CN116106771A (zh) * | 2023-03-15 | 2023-05-12 | 华能澜沧江水电股份有限公司 | 基于结构分析法的电池组故障检测方法、装置及电子设备 |
CN116184248A (zh) * | 2023-04-24 | 2023-05-30 | 广东石油化工学院 | 一种串联电池组的微小短路故障检测方法 |
CN116256661A (zh) * | 2023-05-16 | 2023-06-13 | 中国华能集团清洁能源技术研究院有限公司 | 电池故障检测方法、装置、电子设备和存储介质 |
CN116256661B (zh) * | 2023-05-16 | 2023-08-29 | 中国华能集团清洁能源技术研究院有限公司 | 电池故障检测方法、装置、电子设备和存储介质 |
CN116400247A (zh) * | 2023-06-08 | 2023-07-07 | 中国华能集团清洁能源技术研究院有限公司 | 电池软短路故障的确定方法及装置 |
CN116400247B (zh) * | 2023-06-08 | 2023-08-29 | 中国华能集团清洁能源技术研究院有限公司 | 电池软短路故障的确定方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115684942A (zh) | 电池短路故障检测方法、装置、计算机设备及介质 | |
CN106802396B (zh) | 一种电池内短路的诊断方法 | |
Zhu et al. | A state of charge estimation method for lithium-ion batteries based on fractional order adaptive extended kalman filter | |
Chen et al. | Voltage fault detection for lithium-ion battery pack using local outlier factor | |
Yang et al. | A fractional-order model-based battery external short circuit fault diagnosis approach for all-climate electric vehicles application | |
TWI761083B (zh) | 動力電池內單體電池的短路監測方法、系統以及裝置 | |
CN111208439B (zh) | 一种串联锂离子电池组微短路故障定量检测方法 | |
CN111610456B (zh) | 一种区分电池微短路和小容量故障的诊断方法 | |
CN110794305A (zh) | 一种动力电池故障诊断方法和系统 | |
CN112098850B (zh) | 基于sdo算法的锂离子电池电压故障诊断方法及系统 | |
CN109799463A (zh) | 基于大数据方法的实际运行工况下动力电池soc/soh/sop的估计与预测方法 | |
CN116027199B (zh) | 基于电化学模型参数辨识检测电芯全寿命内短路的方法 | |
CN114035083B (zh) | 电池总容量计算方法、装置、系统和存储介质 | |
Zhang et al. | An early soft internal short-circuit fault diagnosis method for lithium-ion battery packs in electric vehicles | |
CN111257753B (zh) | 一种电池系统故障诊断方法 | |
CN114329760A (zh) | 一种基于数字孪生的车载锂离子电池建模及故障诊断方法 | |
CN113848479B (zh) | 一种融合均衡信息的串联电池组短路及低容量故障诊断方法、系统及设备 | |
CN114035086B (zh) | 基于信号处理的电池组多故障诊断方法 | |
CN115494400B (zh) | 一种基于集成学习的锂电池析锂状态在线监控方法 | |
CN112816877A (zh) | 电池的电流校准方法、设备和存储介质 | |
CN115219905A (zh) | 一种电池内短路在线检测方法、装置及存储介质 | |
Shen et al. | Detection and quantitative diagnosis of micro-short-circuit faults in lithium-ion battery packs considering cell inconsistency | |
Qiao et al. | Quantitative Diagnosis of Internal Short Circuit for Lithium-Ion Batteries Using Relaxation Voltage | |
CN117719345A (zh) | 一种基于ic曲线考虑老化的电池微短路量化方法 | |
Tang et al. | An aging-and load-insensitive method for quantitatively detecting the battery internal-short-circuit resistance |
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 |