CN115684976A - 储能电池故障在线诊断定位方法、电子设备及介质 - Google Patents
储能电池故障在线诊断定位方法、电子设备及介质 Download PDFInfo
- Publication number
- CN115684976A CN115684976A CN202211198294.4A CN202211198294A CN115684976A CN 115684976 A CN115684976 A CN 115684976A CN 202211198294 A CN202211198294 A CN 202211198294A CN 115684976 A CN115684976 A CN 115684976A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- storage battery
- battery module
- change rate
- maximum
- 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
Images
Classifications
-
- 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
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种储能电池故障在线诊断定位方法、电子设备及介质,涉及电池故障技术领域。该方法包括对锂离子储能电池系统中的m个储能电池模组依次编号,并获取每个编号后的储能电池模组对应的数据集合;计算每个数据集合对应的特征集合;特征集合包括相似度、数据分布相关系数、最大电流变化率、最大电压变化率、最大SOC变化率和最大温度变化率;根据每个编号后的储能电池模组对应的特征集合和数据集合,按照编号顺序依次判断所述编号后的储能电池模组的故障状态。本发明能够达到在线定位诊断储能电池故障状态的目的。
Description
技术领域
本发明涉及电池故障技术领域,特别是涉及一种储能电池故障在线诊断定位方法、电子设备及介质。
背景技术
目前,锂离子电池因其具备能量密度高、能量转换效率高、循环寿命长等优点已成为应用最广泛的储能技术之一。但现有锂离子电池体系无法保证其安全性,特别是锂离子电池在储能领域的大规模应用,大型锂离子储能电池系统中锂离子电池是紧密堆积的,并且数量很多,因而在充放电过程中单体锂离子电池之间的不均衡性也是引起锂离子储能电池系统发生安全事故的重要原因之一。锂离子电池电荷和物质运输以及各种化学反应和电化学反应所放出的大量的热更易于在电池内部积聚起来,若锂离子电池是在绝热或高温等热传递不充分的内部环境中运行,锂离子电池温度将显著上升,从而可能在锂离子电池内部形成“热点”,最终面临热失控的危险。由此可见,安全问题已成为锂离子电池大规模应用的瓶颈和必须攻克的技术难题。
为了减少锂离子储能电池安全事故带来的财产损失和人员伤亡,对锂离子电池发生的故障进行及时诊断并预警尤为重要。因此,研究人员对锂离子电池故障诊断方面开展了一系列研究,包括对锂离子电池安全状态进行监测、判断,及时发现锂离子电池内部的异常状态,对可能发生的安全事件发出预警。比如当某个锂离子电池单体出现异常,如产生高温起火甚至爆炸时,锂离子电池单体能够及时报警并将其隔离在一定范围内,不会对周围的锂离子电池产生影响,防止发生连锁反应使事故规模扩大。
目前对于故障诊断研究所涉及的故障类型有电气故障、缺陷故障和热失控故障。其中,电气故障包括过充电、过放电、短路和强制放电等。缺陷故障包括针刺故障和挤压故障等,该针刺故障可造成电池在针刺点短路,短路区由于大量的焦耳热而形成局部热区,当热区温度超过临界点时将引发热失控,发生冒烟、起火甚至爆炸。挤压故障与针刺故障类似,都是造成局部内短路而可能引起热失控,不同的是,挤压故障不一定会造成电池壳体的破坏。
此外,现有技术方法侧重于锂离子储能电池在使用前的故障诊断,而在使用过程中的在线实时诊断技术方法研究较少;另外,在故障诊断中,各类故障诊断单独进行,比如单一电气故障诊断,单一缺陷故障诊断等;最后,当前诊断技术大多不能对诊断出的故障进行准确定位,比如危害气体诊断。
发明内容
本发明的目的是提供一种储能电池故障在线诊断定位方法、电子设备及介质,能够达到在线定位诊断储能电池故障状态的目的。
为实现上述目的,本发明提供了如下方案:
第一方面,本发明提供了一种储能电池故障在线诊断定位方法,包括:
对锂离子储能电池系统中的m个储能电池模组依次编号,并获取每个编号后的储能电池模组对应的数据集合;所述数据集合包括图像数据、电气量数据以及温度;所述电气量数据包括储能电池模组的电流、端电压、内阻和SOC变化率;
计算每个所述数据集合对应的特征集合;所述特征集合包括相似度、数据分布相关系数、最大电流变化率、最大电压变化率、最大SOC变化率和最大温度变化率;
根据每个编号后的储能电池模组对应的特征集合和数据集合,按照编号顺序依次判断所述编号后的储能电池模组的故障状态;
其中,对任一所述编号后的储能电池模组,其故障状态的判断过程为:
判断编号为i的储能电池模组对应的相似度和数据分布相关系数是否符合第一条件,得到第一判断结果;所述编号为i的储能电池模组为任一所述编号后的储能电池模组;所述第一条件为所述相似度大于判断图像无缺陷时的最低相似度且所述数据分布相关系数大于判断图像无缺陷时的最低数据分布相关系数的指令;
若所述第一判断结果表示编号为i的储能电池模组对应的相似度和数据分布相关系数符合所述第一条件,则确定编号为i的储能电池模组无缺陷故障,并判断编号为i的储能电池模组对应的最大电流变化率、最大电压变化率、最大SOC变化率是否符合第二条件,得到第二判断结果;所述第二条件为所述最大电流变化率小于储能电池模组正常工作时允许的最大电流变化率、所述最大电压变化率小于储能电池模组正常工作时允许的最大电压变化率且所述最大SOC变化率小于储能电池模组正常工作时允许的最大SOC变化率;
若所述第二判断结果表示编号为i的储能电池模组对应的最大电流变化率、最大电压变化率、最大SOC变化率符合所述第二条件,则确定编号为i的储能电池模组无短路无容量快速衰减故障,并判断编号为i的储能电池模组对应的温度和最大温度变化率是否符合第三条件,得到第三判断结果;所述第三条件为所述温度小于储能电池模组正常工作时允许的最高运行温度且所述最大温度变化率小于储能电池模组正常工作时允许的最大温度变化率;
若所述第三判断结果表示判断编号为i的储能电池模组对应的温度和最大温度变化率符合所述第三条件,则确定编号为i的储能电池模组无热失控故障,并执行第一操作;
所述第一操作为将编号为i的储能电池模组更新为编号为i+1的储能电池模组,并判断更新后的编号为i的储能电池模组是否为编号为m+1的储能电池模组,若是则停止操作,若否则返回判断编号为i的储能电池模组对应的相似度和数据分布相关系数是否符合第一条件,得到第一判断结果的操作。
可选地,在执行判断编号为i的储能电池模组对应的温度和最大温度变化率是否符合第三条件,得到第三判断结果步骤之前,还包括:
判断编号为i的储能电池模组对应的端电压和内阻是否符合第四条件,得到第四判断结果;所述第四条件为所述端电压小于储能电池模组正常工作时允许的最大端电压且所述内阻小于储能电池模组正常工作时允许的最大内阻的条件;
若所述第四判断结果表示编号为i的储能电池模组对应的端电压和内阻符合所述第四条件,则确定编号为i的储能电池模组无过充过放故障,并跳转至判断编号为i的储能电池模组对应的温度和最大温度变化率是否符合第三条件,得到第三判断结果的步骤;
若所述第四判断结果表示编号为i的储能电池模组对应的端电压和内阻不符合所述第四条件,则确定编号为i的储能电池模组有过充过放故障,并执行所述第一操作和第二操作;所述第二操作为输出切除编号为i的储能电池模组的指令和报警指令的操作。
可选地,还包括:
若所述第三判断结果表示判断编号为i的储能电池模组对应的温度和最大温度变化率不符合所述第三条件,则判断编号为i的储能电池模组对应的最大温度变化率是否大于或者等于储能电池模组正常工作时允许的最大温度变化率,得到第五判断结果;
若所述第五判断结果表示编号为i的储能电池模组对应的最大温度变化率大于或者等于储能电池模组正常工作时允许的最大温度变化率,则输出第二操作和所述第一操作;所述第二操作为输出切除编号为i的储能电池模组的指令和报警指令的操作;
若所述第五判断结果表示编号为i的储能电池模组对应的最大温度变化率小于储能电池模组正常工作时允许的最大温度变化率,则判断所述编号为i的储能电池模组对应的温度是否大于或者等于储能电池模组正常工作时允许的最高运行温度,得到第六判断结果;
若所述第六判断结果表示所述编号为i的储能电池模组对应的温度大于或者等于储能电池模组正常工作时允许的最高运行温度,则确定编号为i的储能电池模组温度过高,并输出切除编号为i的储能电池模组的指令,返回判断所述编号为i的储能电池模组对应的温度是否大于或者等于储能电池模组正常工作时允许的最高运行温度,得到第六判断结果的步骤;
若所述第六判断结果表示所述编号为i的储能电池模组对应的温度小于储能电池模组正常工作时允许的最高运行温度,则输出编号为i的储能电池模组重新投入使用的指令,并执行所述第一操作。
可选地,还包括:
若所述第一判断结果表示编号为i的储能电池模组对应的相似度和数据分布相关系数不符合所述第一条件,则确定编号为i的储能电池模组有缺陷故障,并执行所述第一操作和第四操作;所述第四操作为输出切除编号为i的储能电池模组的指令和报警指令,并将编号为i的储能电池模组对应的图像数据存入数据库的操作;
若所述第二判断结果表示编号为i的储能电池模组对应的最大电流变化率、最大电压变化率、最大SOC变化率不符合所述第二条件,则确定编号为i的储能电池模组有短路故障或有容量快速衰减故障,并执行所述第一操作和第二操作;
所述第二操作为输出切除编号为i的储能电池模组的指令和报警指令的操作。
可选地,所述计算每个所述数据集合对应的特征集合,具体包括:
对每个所述数据集合均执行如下步骤:
对所述图像数据进行处理,得到相似度和数据分布相关系数;
对所述电气量数据进行处理,得到最大电流变化率、最大电压变化率和最大SOC变化率;
对所述温度进行处理,得到最大温度变化率。
可选地,所述对所述图像数据进行处理,得到相似度和数据分布相关系数,具体包括:
对所述图像数据进行预处理;
将预处理后的图像数据输入至缺陷识别模型中,得到图像缺陷信息,并根据所述图像缺陷信息计算相似度和数据分布相关系数。
可选地,所述对所述电气量数据进行处理,得到最大电流变化率、最大电压变化率和最大SOC变化率,具体包括:
根据所述电气量数据,绘制设定时间段内的电流变化曲线、端电压变化曲线和SOC变化率曲线;
根据所述电流变化曲线,确定最大电流变化率;
根据所述端电压变化曲线,确定最大电压变化率;
根据所述SOC变化率曲线,确定最大SOC变化率。
可选地,所述对所述温度进行处理,得到最大温度变化率,具体包括:
根据所述温度,绘制设定时间段内的温度变化曲线;
根据所述温度变化曲线,确定最大温度变化率。
第二方面,本发明提供了一种电子设备,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行根据第一方面所述的储能电池故障在线诊断定位方法。
第三方面,本发明提供了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的储能电池故障在线诊断定位方法。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明针对锂离子储能电池在使用过程中的电气量状态、图像状态以及热失控情况进行交叉循环在线故障诊断,从而达到精准在线定位诊断储能电池故障状态的目的。
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,还可以根据这些附图获得其他的附图。
图1为本发明储能电池故障在线诊断定位方法的流程示意图;
图2为本发明储能电池模组数据处理流程示意图;
图3为本发明储能电池模组故障判断流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,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。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。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
本发明实施例所述的诊断对象为锂离子储能电池系统,锂离子储能电池系统包含m组储能电池模组,储能电池模组为本发明实施例最小诊断单位。
如图1所示,本发明实施例提供的一种储能电池故障在线诊断定位方法,包括:
步骤100:对锂离子储能电池系统中的m个储能电池模组依次编号,并获取每个编号后的储能电池模组对应的数据集合;所述数据集合包括图像数据、电气量数据以及温度;所述电气量数据包括储能电池模组的电流、端电压、内阻和SOC变化率。
作为一种优选的实施方式,本发明实施例所述的步骤100具体包括:
步骤101:将锂离子储能电池系统中m组储能电池模组(Energy Storage BatteryModule,ESBM)依次编号#1,#2...#i...#m,i∈[1,...,m],并存储在数据采集处理系统中。
步骤102:数据采集处理系统由#1、#2至#m组,依次采集每组ESBM图像数据、电气量数据以及温度T,每组数据形成1组数据集,最终形成m组数据集,每组数据集编号与ESBM编号对应一致,其中ESBM电气量数据包括ESBM电流I、端电压V、内阻R、荷电状态(State ofCharge,SOC)变化率vSOC。
步骤200:计算每个所述数据集合对应的特征集合;所述特征集合包括相似度、数据分布相关系数、最大电流变化率、最大电压变化率、最大SOC变化率和最大温度变化率。
作为一种优选的实施方式,本发明实施例所述的步骤200,如图2所示,具体包括:
对每个所述数据集合均执行如下步骤:
步骤201:对所述图像数据进行处理,得到相似度和数据分布相关系数。
步骤202:对所述电气量数据进行处理,得到最大电流变化率、最大电压变化率和最大SOC变化率。
步骤203:对所述温度进行处理,得到最大温度变化率。
进一步地,步骤201具体包括:
步骤A:对所述图像数据进行预处理。
在本发明实施例中,使用图像预处理技术进一步提高图像数据质量,主要包括图像平滑去噪、滤波、图像对比度增强等。
步骤B:将预处理后的图像数据输入至缺陷识别模型中,得到图像缺陷信息,并根据所述图像缺陷信息计算相似度αi和数据分布相关系数βi。
其中,设定判断图像无缺陷的最低相似度为αlow,判断图像无缺陷的最低数据分布相关系数βlow。
进一步地,步骤202具体包括:
根据所述电气量数据,绘制设定时间段Δt1内的电流变化曲线、端电压变化曲线和SOC变化率曲线,并根据所述电流变化曲线确定设定时间段Δt1内的最大电流变化率vIi,根据所述端电压变化曲线确定设定时间段Δt1内的最大电压变化率vVi,根据所述SOC变化率曲线确定设定时间段Δt1内的最大SOC变化率vSOCi。
设定储能电池模组正常工作时允许的最大端电压为Vmax,允许的最大内阻为Rmax,允许的最大电流变化率为vI max,允许的最大电压变化率为vV max,允许的最大SOC变化率为vSOC max。
进一步地,步骤203具体包括:
根据所述温度,绘制设定时间段Δt2内的温度变化曲线,并根据所述温度变化曲线,确定设定时间段Δt2内的最大温度变化率vTi。
设定储能电池模组正常工作时允许的最高运行温度为Tmax,允许的最大温度变化率为vT max。
步骤300:根据每个编号后的储能电池模组对应的特征集合和数据集合,按照编号顺序依次判断所述编号后的储能电池模组的故障状态。
其中,对任一所述编号后的储能电池模组,其故障状态的判断过程为:
判断编号为i的储能电池模组对应的相似度和数据分布相关系数是否符合第一条件,得到第一判断结果;所述编号为i的储能电池模组为任一所述编号后的储能电池模组;所述第一条件为所述相似度大于判断图像无缺陷时的最低相似度且所述数据分布相关系数大于判断图像无缺陷时的最低数据分布相关系数的指令。
若所述第一判断结果表示编号为i的储能电池模组对应的相似度和数据分布相关系数符合所述第一条件,则确定编号为i的储能电池模组无缺陷故障,并判断编号为i的储能电池模组对应的最大电流变化率、最大电压变化率、最大SOC变化率是否符合第二条件,得到第二判断结果;所述第二条件为所述最大电流变化率小于储能电池模组正常工作时允许的最大电流变化率、所述最大电压变化率小于储能电池模组正常工作时允许的最大电压变化率且所述最大SOC变化率小于储能电池模组正常工作时允许的最大SOC变化率。
若所述第二判断结果表示编号为i的储能电池模组对应的最大电流变化率、最大电压变化率、最大SOC变化率符合所述第二条件,则确定编号为i的储能电池模组无短路无容量快速衰减故障,并判断编号为i的储能电池模组对应的温度和最大温度变化率是否符合第三条件,得到第三判断结果;所述第三条件为所述温度小于储能电池模组正常工作时允许的最高运行温度且所述最大温度变化率小于储能电池模组正常工作时允许的最大温度变化率。
若所述第三判断结果表示判断编号为i的储能电池模组对应的温度和最大温度变化率符合所述第三条件,则确定编号为i的储能电池模组无热失控故障,并执行第一操作。
所述第一操作为将编号为i的储能电池模组更新为编号为i+1的储能电池模组,并判断更新后的编号为i的储能电池模组是否为编号为m+1的储能电池模组,若是则停止操作,若否则返回判断编号为i的储能电池模组对应的相似度和数据分布相关系数是否符合第一条件,得到第一判断结果的操作。
进一步地,在执行判断编号为i的储能电池模组对应的温度和最大温度变化率是否符合第三条件,得到第三判断结果步骤之前,还包括:
判断编号为i的储能电池模组对应的端电压和内阻是否符合第四条件,得到第四判断结果;所述第四条件为所述端电压小于储能电池模组正常工作时允许的最大端电压且所述内阻小于储能电池模组正常工作时允许的最大内阻的条件。
若所述第四判断结果表示编号为i的储能电池模组对应的端电压和内阻符合所述第四条件,则确定编号为i的储能电池模组无过充过放故障,并跳转至判断编号为i的储能电池模组对应的温度和最大温度变化率是否符合第三条件,得到第三判断结果的步骤。
若所述第四判断结果表示编号为i的储能电池模组对应的端电压和内阻不符合所述第四条件,则确定编号为i的储能电池模组有过充过放故障,并执行所述第一操作和第二操作;所述第二操作为输出切除编号为i的储能电池模组的指令和报警指令的操作。
进一步地,本发明实施例提供的储能电池故障在线诊断定位方法还包括:
若所述第三判断结果表示判断编号为i的储能电池模组对应的温度和最大温度变化率不符合所述第三条件,则判断编号为i的储能电池模组对应的最大温度变化率是否大于或者等于储能电池模组正常工作时允许的最大温度变化率,得到第五判断结果。
若所述第五判断结果表示编号为i的储能电池模组对应的最大温度变化率大于或者等于储能电池模组正常工作时允许的最大温度变化率,则输出第二操作和所述第一操作;所述第二操作为输出切除编号为i的储能电池模组的指令和报警指令的操作。
若所述第五判断结果表示编号为i的储能电池模组对应的最大温度变化率小于储能电池模组正常工作时允许的最大温度变化率,则判断所述编号为i的储能电池模组对应的温度是否大于或者等于储能电池模组正常工作时允许的最高运行温度,得到第六判断结果。
若所述第六判断结果表示所述编号为i的储能电池模组对应的温度大于或者等于储能电池模组正常工作时允许的最高运行温度,则确定编号为i的储能电池模组温度过高,并输出切除编号为i的储能电池模组的指令,返回判断所述编号为i的储能电池模组对应的温度是否大于或者等于储能电池模组正常工作时允许的最高运行温度,得到第六判断结果的步骤。
若所述第六判断结果表示所述编号为i的储能电池模组对应的温度小于储能电池模组正常工作时允许的最高运行温度,则输出编号为i的储能电池模组重新投入使用的指令,并执行所述第一操作。
进一步地,本发明实施例提供的定位方法还包括:
若所述第一判断结果表示编号为i的储能电池模组对应的相似度和数据分布相关系数不符合所述第一条件,则确定编号为i的储能电池模组有缺陷故障,并执行所述第一操作和第四操作;所述第四操作为输出切除编号为i的储能电池模组的指令和报警指令,并将编号为i的储能电池模组对应的图像数据存入数据库的操作。
若所述第二判断结果表示编号为i的储能电池模组对应的最大电流变化率、最大电压变化率、最大SOC变化率不符合所述第二条件,则确定编号为i的储能电池模组有短路故障或有容量快速衰减故障,并执行所述第一操作和第二操作;所述第二操作为输出切除编号为i的储能电池模组的指令和报警指令的操作。
一个示例:
如图3所示,由#1组至#m组依次在线诊断每组ESBM故障情况,具体步骤如下。
输入初始值i=1。
4.1判断条件i≤m是否满足。
4.1.1如果不满足,本次诊断结束,跳转至步骤:诊断下一个锂离子储能电池系统。
4.1.2如果满足,跳转至步骤4.2。
4.2判断有无缺陷故障。判断条件αi>αlow∩βi>βlow是否满足。
4.2.1如果不满足,跳转至步骤4.6。
4.2.2如果满足,则判断#i组ESBM无缺陷故障,跳转至步骤4.3。
4.3判断有无短路故障、容量快速衰减情况。判断条件vIi<vI max∩vVi<vV max∩vSOCi<vSOC max是否满足。
4.3.1如果不满足,跳转至步骤4.6。
4.3.2如果满足,则判断#i组ESBM无短路故障、容量快速衰减情况,跳转至步骤4.4。
4.4判断有过充过放故障。判断条件Vi<Vmax∩Ri<Rmax是否满足。
4.4.1如果不满足,跳转至步骤4.6。
4.4.2如果满足,则判断#i组ESBM无过充过放故障,跳转至步骤4.5。
4.5判断是否有热失控情况。判断条件Ti<Tmax∩vTi<vT max是否满足。
4.5.1如果不满足(即满足vTi≥vT max情况),跳转至步骤4.6。
4.5.2如果不满足(即满足Ti≥Tmax∩vTi<vT max情况),则判断#i组ESBM温度过高,暂时切除#i组ESBM,跳转至步骤4.5.4。
4.5.3如果满足,判断#i组ESBM无故障,跳转至步骤4.7。
4.5.4判断条件Ti<Tmax是否满足。
4.5.4.1如果不满足,跳转至步骤4.5.2。
4.5.4.2如果满足,将#i组ESBM重新投入使用,跳转至步骤4.7。
4.6判断#i组ESBM有故障,进而切除#i组ESBM,同时预警系统发出预警,并且故障数据存入数据库,以达到扩充数据库的目的,跳转至步骤4.7。
4.7执行操作i=i+1,然后跳转至步骤4.1,进行下一组ESBM故障诊断。
本发明实施例针对锂离子储能电池在使用过程中的电气量状态、图像状态以及热失控情况进行交叉循环在线故障诊断,并借助计算机存储功能对故障进行精确定位,另外,加入“自动重合闸”理念(步骤4.5.2-4.5.4),大大提高了故障诊断精度。
本发明实施例可实现对锂离子储能电池模组的在线实时故障诊断,精确度较高;技术结构简单,计算速度快,效率较高。
本发明实施例中所提缺陷故障包括:划痕、孔洞、鼓包、气泡、针刺、异污、隐裂、缺损、脱碳;电气故障包括:过充过放,短路、容量过快的衰减等;热失控故障指:温度短时间内急剧增加的情况。
实施例二
本发明实施例提供一种电子设备包括存储器及处理器,该存储器用于存储计算机程序,该处理器运行计算机程序以使电子设备执行实施例一的储能电池故障在线诊断定位方法。
可选地,上述电子设备可以是服务器。
另外,本发明实施例还提供一种计算机可读存储介质,其存储有计算机程序,该计算机程序被处理器执行时实现实施例一的储能电池故障在线诊断定位方法。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种储能电池故障在线诊断定位方法,其特征在于,包括:
对锂离子储能电池系统中的m个储能电池模组依次编号,并获取每个编号后的储能电池模组对应的数据集合;所述数据集合包括图像数据、电气量数据以及温度;所述电气量数据包括储能电池模组的电流、端电压、内阻和SOC变化率;
计算每个所述数据集合对应的特征集合;所述特征集合包括相似度、数据分布相关系数、最大电流变化率、最大电压变化率、最大SOC变化率和最大温度变化率;
根据每个编号后的储能电池模组对应的特征集合和数据集合,按照编号顺序依次判断所述编号后的储能电池模组的故障状态;
其中,对任一所述编号后的储能电池模组,其故障状态的判断过程为:
判断编号为i的储能电池模组对应的相似度和数据分布相关系数是否符合第一条件,得到第一判断结果;所述编号为i的储能电池模组为任一所述编号后的储能电池模组;所述第一条件为所述相似度大于判断图像无缺陷时的最低相似度且所述数据分布相关系数大于判断图像无缺陷时的最低数据分布相关系数的指令;
若所述第一判断结果表示编号为i的储能电池模组对应的相似度和数据分布相关系数符合所述第一条件,则确定编号为i的储能电池模组无缺陷故障,并判断编号为i的储能电池模组对应的最大电流变化率、最大电压变化率、最大SOC变化率是否符合第二条件,得到第二判断结果;所述第二条件为所述最大电流变化率小于储能电池模组正常工作时允许的最大电流变化率、所述最大电压变化率小于储能电池模组正常工作时允许的最大电压变化率且所述最大SOC变化率小于储能电池模组正常工作时允许的最大SOC变化率;
若所述第二判断结果表示编号为i的储能电池模组对应的最大电流变化率、最大电压变化率、最大SOC变化率符合所述第二条件,则确定编号为i的储能电池模组无短路无容量快速衰减故障,并判断编号为i的储能电池模组对应的温度和最大温度变化率是否符合第三条件,得到第三判断结果;所述第三条件为所述温度小于储能电池模组正常工作时允许的最高运行温度且所述最大温度变化率小于储能电池模组正常工作时允许的最大温度变化率;
若所述第三判断结果表示判断编号为i的储能电池模组对应的温度和最大温度变化率符合所述第三条件,则确定编号为i的储能电池模组无热失控故障,并执行第一操作;
所述第一操作为将编号为i的储能电池模组更新为编号为i+1的储能电池模组,并判断更新后的编号为i的储能电池模组是否为编号为m+1的储能电池模组,若是则停止操作,若否则返回判断编号为i的储能电池模组对应的相似度和数据分布相关系数是否符合第一条件,得到第一判断结果的操作。
2.根据权利要求1所述的一种储能电池故障在线诊断定位方法,其特征在于,在执行判断编号为i的储能电池模组对应的温度和最大温度变化率是否符合第三条件,得到第三判断结果步骤之前,还包括:
判断编号为i的储能电池模组对应的端电压和内阻是否符合第四条件,得到第四判断结果;所述第四条件为所述端电压小于储能电池模组正常工作时允许的最大端电压且所述内阻小于储能电池模组正常工作时允许的最大内阻的条件;
若所述第四判断结果表示编号为i的储能电池模组对应的端电压和内阻符合所述第四条件,则确定编号为i的储能电池模组无过充过放故障,并跳转至判断编号为i的储能电池模组对应的温度和最大温度变化率是否符合第三条件,得到第三判断结果的步骤;
若所述第四判断结果表示编号为i的储能电池模组对应的端电压和内阻不符合所述第四条件,则确定编号为i的储能电池模组有过充过放故障,并执行所述第一操作和第二操作;所述第二操作为输出切除编号为i的储能电池模组的指令和报警指令的操作。
3.根据权利要求1所述的一种储能电池故障在线诊断定位方法,其特征在于,还包括:
若所述第三判断结果表示判断编号为i的储能电池模组对应的温度和最大温度变化率不符合所述第三条件,则判断编号为i的储能电池模组对应的最大温度变化率是否大于或者等于储能电池模组正常工作时允许的最大温度变化率,得到第五判断结果;
若所述第五判断结果表示编号为i的储能电池模组对应的最大温度变化率大于或者等于储能电池模组正常工作时允许的最大温度变化率,则输出第二操作和所述第一操作;所述第二操作为输出切除编号为i的储能电池模组的指令和报警指令的操作;
若所述第五判断结果表示编号为i的储能电池模组对应的最大温度变化率小于储能电池模组正常工作时允许的最大温度变化率,则判断所述编号为i的储能电池模组对应的温度是否大于或者等于储能电池模组正常工作时允许的最高运行温度,得到第六判断结果;
若所述第六判断结果表示所述编号为i的储能电池模组对应的温度大于或者等于储能电池模组正常工作时允许的最高运行温度,则确定编号为i的储能电池模组温度过高,并输出切除编号为i的储能电池模组的指令,返回判断所述编号为i的储能电池模组对应的温度是否大于或者等于储能电池模组正常工作时允许的最高运行温度,得到第六判断结果的步骤;
若所述第六判断结果表示所述编号为i的储能电池模组对应的温度小于储能电池模组正常工作时允许的最高运行温度,则输出编号为i的储能电池模组重新投入使用的指令,并执行所述第一操作。
4.根据权利要求1所述的一种储能电池故障在线诊断定位方法,其特征在于,还包括:
若所述第一判断结果表示编号为i的储能电池模组对应的相似度和数据分布相关系数不符合所述第一条件,则确定编号为i的储能电池模组有缺陷故障,并执行所述第一操作和第四操作;所述第四操作为输出切除编号为i的储能电池模组的指令和报警指令,并将编号为i的储能电池模组对应的图像数据存入数据库的操作;
若所述第二判断结果表示编号为i的储能电池模组对应的最大电流变化率、最大电压变化率、最大SOC变化率不符合所述第二条件,则确定编号为i的储能电池模组有短路故障或有容量快速衰减故障,并执行所述第一操作和第二操作;所述第二操作为输出切除编号为i的储能电池模组的指令和报警指令的操作。
5.根据权利要求1所述的一种储能电池故障在线诊断定位方法,其特征在于,所述计算每个所述数据集合对应的特征集合,具体包括:
对每个所述数据集合均执行如下步骤:
对所述图像数据进行处理,得到相似度和数据分布相关系数;
对所述电气量数据进行处理,得到最大电流变化率、最大电压变化率和最大SOC变化率;
对所述温度进行处理,得到最大温度变化率。
6.根据权利要求5所述的一种储能电池故障在线诊断定位方法,其特征在于,所述对所述图像数据进行处理,得到相似度和数据分布相关系数,具体包括:
对所述图像数据进行预处理;
将预处理后的图像数据输入至缺陷识别模型中,得到图像缺陷信息,并根据所述图像缺陷信息计算相似度和数据分布相关系数。
7.根据权利要求5所述的一种储能电池故障在线诊断定位方法,其特征在于,所述对所述电气量数据进行处理,得到最大电流变化率、最大电压变化率和最大SOC变化率,具体包括:
根据所述电气量数据,绘制设定时间段内的电流变化曲线、端电压变化曲线和SOC变化率曲线;
根据所述电流变化曲线,确定最大电流变化率;
根据所述端电压变化曲线,确定最大电压变化率;
根据所述SOC变化率曲线,确定最大SOC变化率。
8.根据权利要求5所述的一种储能电池故障在线诊断定位方法,其特征在于,所述对所述温度进行处理,得到最大温度变化率,具体包括:
根据所述温度,绘制设定时间段内的温度变化曲线;
根据所述温度变化曲线,确定最大温度变化率。
9.一种电子设备,其特征在于,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至8中任一项所述的储能电池故障在线诊断定位方法。
10.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的储能电池故障在线诊断定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211198294.4A CN115684976A (zh) | 2022-09-29 | 2022-09-29 | 储能电池故障在线诊断定位方法、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211198294.4A CN115684976A (zh) | 2022-09-29 | 2022-09-29 | 储能电池故障在线诊断定位方法、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115684976A true CN115684976A (zh) | 2023-02-03 |
Family
ID=85064920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211198294.4A Pending CN115684976A (zh) | 2022-09-29 | 2022-09-29 | 储能电池故障在线诊断定位方法、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115684976A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117741456A (zh) * | 2024-02-20 | 2024-03-22 | 云储新能源科技有限公司 | 一种动态可重构电池网络故障诊断方法、系统及电子设备 |
-
2022
- 2022-09-29 CN CN202211198294.4A patent/CN115684976A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117741456A (zh) * | 2024-02-20 | 2024-03-22 | 云储新能源科技有限公司 | 一种动态可重构电池网络故障诊断方法、系统及电子设备 |
CN117741456B (zh) * | 2024-02-20 | 2024-05-07 | 云储新能源科技有限公司 | 一种动态可重构电池网络故障诊断方法、系统及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106353690B (zh) | 利用Petri网诊断锂电池故障的方法 | |
CN111391668A (zh) | 一种电池热失控预警处理方法、装置、设备及存储介质 | |
CN110370984A (zh) | 动力电池热失控预警方法 | |
Yu et al. | Challenges and outlook for lithium-ion battery fault diagnosis methods from the laboratory to real world applications | |
CN112098850B (zh) | 基于sdo算法的锂离子电池电压故障诊断方法及系统 | |
CN107843853A (zh) | 一种动力电池组串联连接故障诊断方法 | |
CN110398699A (zh) | 多传感器信息融合的动力电池热失控预警方法 | |
CN109031138B (zh) | 一种动力电池的安全评估方法和装置 | |
CN109738811B (zh) | 基于双级模型预测的锂离子电池组外部短路故障诊断方法 | |
CN110376530A (zh) | 电池内短路检测装置及方法 | |
Sun et al. | A multi-fault advanced diagnosis method based on sparse data observers for lithium-ion batteries | |
CN111579121B (zh) | 在线诊断新能源汽车电池包内温度传感器故障的方法 | |
CN116973782B (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 | |
CN113625692B (zh) | 一种基于故障注入的电动汽车电池安全性检验系统 | |
CN115684976A (zh) | 储能电池故障在线诊断定位方法、电子设备及介质 | |
CN112684349A (zh) | 电池单体失效的分析方法、验证方法、装置、设备及介质 | |
CN113567874B (zh) | 动力电池安全状态的监控检测方法及装置 | |
CN113935423A (zh) | 耦合模糊控制规则与Elman神经网络的动力电池故障预警方法与系统 | |
CN113687251A (zh) | 一种基于双模型的锂离子电池组电压异常故障诊断方法 | |
CN113391214A (zh) | 一种基于电池充电电压排名变化的电池微故障诊断方法 | |
Wu et al. | Research on short-circuit fault-diagnosis strategy of lithium-ion battery in an energy-storage system based on voltage cosine similarity | |
CN105759217A (zh) | 一种基于可测数据的铅酸蓄电池组在线故障诊断方法 | |
CN115902629A (zh) | 一种锂离子电池安全状态评估及安全故障分级方法 | |
CN115384351A (zh) | 基于车云联合控制的电池安全预警方法、系统及存储介质 | |
Zhang et al. | Internal short circuit warning method of parallel lithium-ion module based on loop current detection |
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 |