CN115825755B - 一种储能电池电芯电压一致性评估方法 - Google Patents
一种储能电池电芯电压一致性评估方法 Download PDFInfo
- Publication number
- CN115825755B CN115825755B CN202211731165.7A CN202211731165A CN115825755B CN 115825755 B CN115825755 B CN 115825755B CN 202211731165 A CN202211731165 A CN 202211731165A CN 115825755 B CN115825755 B CN 115825755B
- Authority
- CN
- China
- Prior art keywords
- abnormal
- data
- voltage
- matrix
- 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.)
- Active
Links
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)
Abstract
一种储能电池电芯电压一致性评估方法，属于电池生产技术领域。方法如下：数据清洗：通过数据清洗模块将数据中有明显异常值的数据条删除；数据分割：通过数据分割模块将时序信号分割成若干周期性信号；通过计算系数矩阵以及提取周期信号统计特征的方式同时定位异常电芯并进行模型融合。本发明通过对电芯电压数据进行实时监控，识别电芯电压时序信号中的异常，使用无监督的方法，通过少量历史数据完成模型的搭建，解决了大量历史数据缺失的问题；自动计算判断异常阈值，排除固定阈值，拓展模型的泛化性；使用无监督分类方法对信号进行分类，识别异常的周期信号，从而达到识别电压数值异常或者电压突变的目。
Description
技术领域
本发明涉及一种储能电池电芯电压一致性评估方法，属于电池生产技术领域。
背景技术
电池的使用寿命和安全是用户最为关心的问题，大量事实表明电池一致性的好坏与其寿命和安全息息相关。电池一致性不好时，电池组性能指标达不到单体电池性能指标水平，使用寿命急剧下降。同时由于不一致带来的单体电池的热失控也是重要的安全风险。电池不一致主要体现在电压、电容、内阻等方面，而单体电压差作为电池电压不一致性最重要的表征量，最为直观的体现电池组的一致性状态。
目前针对电池组电压差的研究很少。
电池管理系统(BMS)主要根据电芯电压之间的压差与设定的阈值做对比来判断电池一致性，但无法考虑工况变化和电压传感器本身对车辆结果的影响。有学者通过试验对比研究电压差对电池循环性能的影响，发现电芯起始压差较大的电池组循环性能明显变差，随着循环的进行，电池压差进一步迅速变大，电容量衰减加快。有学者通过长时间的试验监测，发现具备充放电均衡控制策略的锂离子动力电池储能系统能够很好地改善单体电压不一致性变化，并能够延缓动力电池容量衰减。现阶段仍缺乏对电池压差的大样本量统计学分析，更没有对电压不一致性进行长期定量预测研究。也有学者基于数据驱动构建神经网络，对电池电压不一致性进行预测，但是这对数据要求和模型泛化能力提出量更高要求。
发明内容
为解决背景技术中存在的问题，本发明提供一种储能电池电芯电压一致性评估方法。
实现上述目的，本发明采取下述技术方案：一种储能电池电芯电压一致性评估方法，所述方法包括如下步骤：
S1：数据清洗：通过数据清洗模块将数据中有明显异常值的数据条删除；
S2：数据分割：通过数据分割模块将时序信号分割成若干周期性信号；
S3：通过计算系数矩阵以及提取周期信号统计特征的方式同时定位异常电芯；
S4：将S3所得数据进行模型融合。
与现有技术相比，本发明的有益效果是：
本发明通过对电芯电压数据进行实时监控，识别电芯电压时序信号中的异常，使用无监督的方法，通过少量历史数据完成模型的搭建，解决了大量历史数据缺失的问题；通过比较计算各个电芯电压之间的相关性及其变化趋势来识别众多电芯在充电、放电、静置过程中的趋势异常，自动计算判断异常阈值，排除固定阈值，拓展模型的泛化性；通过对电压时序信号进行充放电周期分割，计算周期时序信号的特征值，使用无监督分类方法对信号进行分类，识别异常的周期信号，从而达到识别电压数值异常或者电压突变的目。
附图说明
图1是本发明的流程图；
图2是电芯充放电周期信号图；
图3是电芯相关性箱线图。
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，所描述的实施例仅是发明的一部分实施例，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。
一种储能电池电芯电压一致性评估方法，是一种用于储能电池云端监控、电芯电压异常诊断、预测性维护的储能电池电压一致性评估方法。所述方法包括如下步骤：
S1：数据清洗：通过数据清洗模块将数据中有明显异常值的数据条(如系统级芯片SOC、网络管理系统SOH等明显错误的数据以及单体电压、单体温度等明显与实际物理现象不匹配的数据)删除；
S2：数据分割：储能电池的使用场景，进行充放电有明显的周期性，如图2所示，通过数据分割模块将时序信号分割成若干周期性信号；
S3：通过计算系数矩阵以及提取周期信号统计特征的方式同时定位异常电芯；
所述计算系数矩阵定位异常电芯的方法如下：
S301：计算相关系数矩阵：
选取同一周期内n个电芯在充放电过程中的电压数据，计算得到相关系数矩阵a(n*n)，用于评估不同电芯在充放电过程中电压变化的一致性；取相关系数矩阵a内的所有值组成的数组a，使用孤立森林算法将数组a中元素根据数值分为正常类和异常类；
S302：识别相关系数异常值的阈值：
选取异常类元素的最大值，确定异常相关系数的阈值a；
S303：定位电压异常电芯：
将数组a中的元素与阈值a做逻辑运算，得到矩阵b；
矩阵b进行横向求和得到矩阵c，新产生的求和列的值为数组b；
求得数组b中的众数得到数值b；
选取矩阵c中求和列的数值大于数值b的矩阵的索引，从相关系数矩阵中选取异常值对应的电芯编号集合A。
所述提取周期信号统计特征定位异常电芯的方法如下：
S3-1：提取周期信号特征：
通过提取周期时序信号的最大值、最小值、均值、峰峰值、标准差、峰度、偏度、波形因子、峰值因子、冲击因子、裕度因子等特征值，组成特征向量表征周期时序信号；
S3-2：识别异常特征向量：
使用孤立森林算法识别相关系数矩阵中的异常特征向量；
S3-3：定位电压异常电芯：
通过S3-2所得的异常特征向量，实现异常信号的时间定位和电芯编号定位，得到电芯编号集合B。
S4：将S3所得数据进行模型融合，取电芯编号集合A和电芯编号集合B的并集即为异常的电芯编号。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同条件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (2)
1.一种储能电池电芯电压一致性评估方法，其特征在于：所述方法包括如下步骤：
S1：数据清洗：通过数据清洗模块将数据中有明显异常值的数据条删除；
S2：数据分割：通过数据分割模块将时序信号分割成若干周期性信号；
S3：通过计算系数矩阵以及提取周期信号统计特征的方式同时定位异常电芯；
所述计算系数矩阵定位异常电芯的方法如下：
S301：计算相关系数矩阵：
选取同一周期内n个电芯在充放电过程中的电压数据，计算得到相关系数矩阵a(n*n)；取相关系数矩阵a内的所有值组成的数组a，将数组a中元素根据数值分为正常类和异常类；
S302：识别相关系数异常值的阈值：
选取异常类元素的最大值，确定异常相关系数的阈值a；
S303：定位电压异常电芯：
将数组a中的元素与阈值a做逻辑运算，得到矩阵b；
矩阵b进行横向求和得到矩阵c，新产生的求和列的值为数组b；
求得数组b中的众数得到数值b；
选取矩阵c中求和列的数值大于数值b的矩阵的索引，从相关系数矩阵中选取异常值对应的电芯编号集合A；
S4：将S3所得数据进行模型融合。
2.根据权利要求1所述的一种储能电池电芯电压一致性评估方法，其特征在于：S3所述提取周期信号统计特征定位异常电芯的方法如下：
S3-1：提取周期信号特征：
通过提取周期时序信号的特征值，组成特征向量表征周期时序信号；
S3-2：识别异常特征向量：
识别相关系数矩阵中的异常特征向量；
S3-3：定位电压异常电芯：
通过S3-2所得的异常特征向量，实现异常信号的时间定位和电芯编号定位。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211731165.7A CN115825755B (zh) | 2022-12-30 | 2022-12-30 | 一种储能电池电芯电压一致性评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211731165.7A CN115825755B (zh) | 2022-12-30 | 2022-12-30 | 一种储能电池电芯电压一致性评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115825755A CN115825755A (zh) | 2023-03-21 |
| CN115825755B true CN115825755B (zh) | 2023-09-19 |
Family
ID=85519750
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211731165.7A Active CN115825755B (zh) | 2022-12-30 | 2022-12-30 | 一种储能电池电芯电压一致性评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115825755B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107831443A (zh) * | 2017-10-20 | 2018-03-23 | 开沃新能源汽车集团有限公司 | 基于相关系数的电池系统短路故障诊断方法 |
| CN111275288A (zh) * | 2019-12-31 | 2020-06-12 | 华电国际电力股份有限公司十里泉发电厂 | 基于XGBoost的多维数据异常检测方法与装置 |
| CN112527788A (zh) * | 2020-12-17 | 2021-03-19 | 北京中恒博瑞数字电力科技有限公司 | 变压器监测数据异常值检测与清洗的方法及装置 |
| CN113030763A (zh) * | 2021-02-20 | 2021-06-25 | 武汉云衡智能科技有限公司 | 一种车用动力电池一致性差异的潜在风险诊断系统 |
| CN114290954A (zh) * | 2021-12-30 | 2022-04-08 | 重庆长安新能源汽车科技有限公司 | 基于压差分析的电池一致性监控方法、系统及车辆 |
| CN114430080A (zh) * | 2022-01-27 | 2022-05-03 | 中国汽车工程研究院股份有限公司 | 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 |
| CN114443338A (zh) * | 2022-01-28 | 2022-05-06 | 北京轩宇空间科技有限公司 | 面向稀疏负样本的异常检测方法、模型构建方法及装置 |
| CN114492529A (zh) * | 2022-01-27 | 2022-05-13 | 中国汽车工程研究院股份有限公司 | 一种动力电池系统连接异常故障安全预警方法 |
| CN114817827A (zh) * | 2022-04-29 | 2022-07-29 | 力高(山东)新能源技术有限公司 | 一种电池包电压一致性判断方法 |
| CN115169580A (zh) * | 2022-06-30 | 2022-10-11 | 章鱼博士智能技术(上海)有限公司 | 车辆电池组的电压差异常检测模型的训练方法及装置 |
| CN115219902A (zh) * | 2022-07-06 | 2022-10-21 | 山东大学 | 一种动力电池寿命快速测试方法及系统 |
| CN115372828A (zh) * | 2022-08-22 | 2022-11-22 | 上海褒科智能科技有限公司 | 基于充电片段数据和无监督算法的电芯一致性评估方法 |
-
2022
- 2022-12-30 CN CN202211731165.7A patent/CN115825755B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107831443A (zh) * | 2017-10-20 | 2018-03-23 | 开沃新能源汽车集团有限公司 | 基于相关系数的电池系统短路故障诊断方法 |
| CN111275288A (zh) * | 2019-12-31 | 2020-06-12 | 华电国际电力股份有限公司十里泉发电厂 | 基于XGBoost的多维数据异常检测方法与装置 |
| CN112527788A (zh) * | 2020-12-17 | 2021-03-19 | 北京中恒博瑞数字电力科技有限公司 | 变压器监测数据异常值检测与清洗的方法及装置 |
| CN113030763A (zh) * | 2021-02-20 | 2021-06-25 | 武汉云衡智能科技有限公司 | 一种车用动力电池一致性差异的潜在风险诊断系统 |
| CN114290954A (zh) * | 2021-12-30 | 2022-04-08 | 重庆长安新能源汽车科技有限公司 | 基于压差分析的电池一致性监控方法、系统及车辆 |
| CN114430080A (zh) * | 2022-01-27 | 2022-05-03 | 中国汽车工程研究院股份有限公司 | 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 |
| CN114492529A (zh) * | 2022-01-27 | 2022-05-13 | 中国汽车工程研究院股份有限公司 | 一种动力电池系统连接异常故障安全预警方法 |
| CN114443338A (zh) * | 2022-01-28 | 2022-05-06 | 北京轩宇空间科技有限公司 | 面向稀疏负样本的异常检测方法、模型构建方法及装置 |
| CN114817827A (zh) * | 2022-04-29 | 2022-07-29 | 力高(山东)新能源技术有限公司 | 一种电池包电压一致性判断方法 |
| CN115169580A (zh) * | 2022-06-30 | 2022-10-11 | 章鱼博士智能技术(上海)有限公司 | 车辆电池组的电压差异常检测模型的训练方法及装置 |
| CN115219902A (zh) * | 2022-07-06 | 2022-10-21 | 山东大学 | 一种动力电池寿命快速测试方法及系统 |
| CN115372828A (zh) * | 2022-08-22 | 2022-11-22 | 上海褒科智能科技有限公司 | 基于充电片段数据和无监督算法的电芯一致性评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115825755A (zh) | 2023-03-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tian et al. | Consistency evaluation and cluster analysis for lithium-ion battery pack in electric vehicles | |
| CN111584952B (zh) | 用于储能电站电化学电池在线评估的方法和系统 | |
| CN111007401A (zh) | 一种基于人工智能的电动汽车电池故障诊断方法及设备 | |
| CN112327167B (zh) | 一种电池容量跳水风险评估方法及系统 | |
| CN113777515A (zh) | 一种电动汽车充电安全预警方法 | |
| CN113990054A (zh) | 一种储能电站数据分析与预警系统 | |
| CN116401585B (zh) | 一种基于大数据的储能电池失效风险评估方法 | |
| CN115366683A (zh) | 一种新能源汽车动力电池多维模型融合的故障诊断策略 | |
| CN116449218B (zh) | 一种锂电池健康状态的估计方法 | |
| CN117289146A (zh) | 储能电池的充放电测试方法、装置、设备及存储介质 | |
| CN114578251A (zh) | 基于卷积神经网络的电池模组安全状态评估方法及装置 | |
| CN113554200B (zh) | 动力电池电压不一致性预测方法、系统及设备 | |
| CN115480180A (zh) | 一种新能源电池健康诊断分析方法 | |
| Xu et al. | Safety warning analysis for power battery packs in electric vehicles with running data | |
| CN117148177A (zh) | 电池动态一致性评价方法、装置和计算机设备 | |
| Namdari et al. | An entropy-based approach for modeling lithium-ion battery capacity fade | |
| CN114646888A (zh) | 一种动力电池容量衰减的评估方法及系统 | |
| CN117572241A (zh) | 一种基于扩展多维时间序列的锂电池故障分析方法 | |
| CN115825755B (zh) | 一种储能电池电芯电压一致性评估方法 | |
| CN116736172A (zh) | 一种基于生成式对抗网络的锂电池组健康状态评估方法 | |
| CN116901707A (zh) | 一种动力电池组故障预警方法、系统及车辆 | |
| CN115792678A (zh) | 一种基于模糊层次分析法的车用动力电池性能评估方法 | |
| CN115656837A (zh) | 一种串联型电池故障预测方法 | |
| CN114355218A (zh) | 一种基于多特征量筛选的锂离子电池荷电状态预测方法 | |
| CN114970734A (zh) | 异常电池确定方法、装置、计算机设备和存储介质 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 150060 Room 202, building 1, Nanhu street, Yingbin Road, hi tech Industrial Development Zone, Harbin City, Heilongjiang Province Applicant after: Harbin Coslight New ENERGY Co.,Ltd. Applicant after: Kunyu Power Supply Technology Research Institute (Changsha) Co.,Ltd. Address before: 150060 Room 202, building 1, Nanhu street, Yingbin Road, hi tech Industrial Development Zone, Harbin City, Heilongjiang Province Applicant before: Harbin Guangyu new energy Co.,Ltd. Applicant before: Kunyu Power Supply Technology Research Institute (Changsha) Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |