CN116106771A - 基于结构分析法的电池组故障检测方法、装置及电子设备 - Google Patents
基于结构分析法的电池组故障检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116106771A CN116106771A CN202310251091.5A CN202310251091A CN116106771A CN 116106771 A CN116106771 A CN 116106771A CN 202310251091 A CN202310251091 A CN 202310251091A CN 116106771 A CN116106771 A CN 116106771A
- Authority
- CN
- China
- Prior art keywords
- temperature
- data
- battery pack
- battery
- determining
- 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 48
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 238000012916 structural analysis Methods 0.000 title claims abstract description 18
- 238000010438 heat treatment Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 230000007704 transition Effects 0.000 claims description 8
- 238000012217 deletion Methods 0.000 claims description 4
- 230000037430 deletion Effects 0.000 claims description 4
- 210000004027 cell Anatomy 0.000 description 48
- 238000010586 diagram Methods 0.000 description 4
- 230000010287 polarization Effects 0.000 description 4
- 238000004146 energy storage Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 229910001416 lithium ion Inorganic materials 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004899 c-terminal region Anatomy 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012546 transfer Methods 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]
- G01R31/389—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]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- 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
- 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)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请关于一种基于结构分析法的电池组故障检测方法、装置及电子设备。具体方案为:通过实时获取所述电池组的电流数据、电压数据、温度数据;基于所述电流数据、电压数据、温度数据,分别确定所述电池组中每个单体电池各自的端子电压、温度导数;其中,所述温度导数是基于当前单体电池的温度数据以及与所述当前单体电池相邻电池的温度数据确定的;基于所述每个单体电池各自的端子电压、温度关于时间的导数,确定所述电池组的残差数据;基于所述电池组的残差数据,分别确定所述电池组是否发生故障。本申请提高了对电池组故障检测的准确性。
Description
技术领域
本申请涉及电池储能系统智能故障诊断技术领域,尤其涉及一种基于结构分析法的电池组故障检测方法、装置及电子设备。
背景技术
相关技术中,锂离子电池由于其高功率、高能量密度、更长寿命,成为大规模储能系统的首选。然而由于其复杂的电化学特性,在极端使用条件以及老化状态下,电池极易发生故障,严重者会导致火灾或爆炸。目前已有大量方法检测电池系统故障,然而大多数方法仅对电池组中的每个单体电池进行检测,并未考虑到多个单体电池之间的关联性。
发明内容
为此,本申请提供一种基于结构分析法的电池组故障检测方法、装置及电子设备。本申请的技术方案如下:
根据本申请实施例的第一方面,提供一种基于结构分析法的电池组故障检测方法,所述方法包括:
实时获取所述电池组的电流数据、电压数据、温度数据;
基于所述电流数据、电压数据、温度数据,分别确定所述电池组中每个单体电池各自的端子电压、温度导数;其中,所述温度导数是基于当前单体电池的温度数据以及与所述当前单体电池相邻电池的温度数据确定的;
基于所述每个单体电池各自的端子电压、温度关于时间的导数,确定所述电池组的残差数据;
基于所述电池组的残差数据,分别确定所述电池组是否发生故障。
根据本申请的一个实施例,所述基于所述电流数据、电压数据、温度数据,分别确定所述电池组中每个单体电池各自的端子电压、温度导数,包括:
针对每个单体电池,基于所述电流数据和所述电压数据,确定所述单体电池的端子电压;
基于所述电流数据和所述温度数据,确定所述单体电池的温度导数。
根据本申请的一个实施例,所述基于所述电流数据和所述温度数据,确定所述单体电池的温度导数,包括:
基于所述电流数据和所述温度数据,确定所述单体电池自身发热温度值和电池表面热对流导致的温度变化量;
确定与所述单体电池相邻的j个单体电池;其中j为大于或者等于0的自然数;
基于所述温度数据,确定所述j个单体电池各自的温度值;
基于所述j个单体电池各自的温度值确定所述j个单体电池对所述单体电池的热传导温度值;
将所述单体电池自身发热温度值与所述电池表面热对流导致的温度变化量相减,得到第一中间值;
将所述第一中间值与所述j个单体电池对所述单体电池的热传导温度值相减,得到所述单体电池的温度导数。
根据本申请的一个实施例,所述j个单体电池对所述单体电池的热传导温度值Tc通过以下公式计算得到:
其中,Ti是电池温度,Tj是相邻电池温度,mc为有效热容,Rcc为导热电阻。
根据本申请的一个实施例,所述基于所述电流数据、电压数据、温度数据,分别确定所述电池组中每个单体电池各自的端子电压、温度导数,包括:
基于所述电流数据、电压数据、温度数据,生成方程集;
确定并删除所述方程集的过渡确定部分;
基于删除过渡确定部分的所述方程集,分别确定所述电池组中每个单体电池各自的端子电压、温度导数。
根据本申请的一个实施例,所述残差数据包括以下三项中的任意一项或者多项:所述电池组中每个单体电池各自对应的电压传感器残差值、温度传感器残差值、电流传感器残差值。
根据本申请实施例的第二方面,提供一种基于结构分析法的电池组故障检测装置,所述装置包括:
获取模块,用于实时获取所述电池组的电流数据、电压数据、温度数据;
第一确定模块,用于基于所述电流数据、电压数据、温度数据,分别确定所述电池组中每个单体电池各自的端子电压、温度导数;其中,所述温度导数是基于当前单体电池的温度数据以及与所述当前单体电池相邻电池的温度数据确定的;
第二确定模块,用于基于所述每个单体电池各自的端子电压、温度关于时间的导数,确定所述电池组的残差数据;
第三确定模块,用于基于所述电池组的残差数据,分别确定所述电池组是否发生故障。
根据本申请实施例的第三方面,提供一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如第一方面中任一项所述的方法。
根据本申请实施例的第四方面,提供一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如第一方面中任一项所述的方法。
根据本申请实施例的第五方面,提供一种计算机程序产品,其特征在于,包括计算机程序,该计算机程序被处理器执行时实现第一方面中任一项所述的方法。
本申请的实施例提供的技术方案至少带来以下有益效果:
通过实时获取所述电池组的电流数据、电压数据、温度数据;基于所述电流数据、电压数据、温度数据,分别确定所述电池组中每个单体电池各自的端子电压、温度导数;其中,所述温度导数是基于当前单体电池的温度数据以及与所述当前单体电池相邻电池的温度数据确定的;基于所述每个单体电池各自的端子电压、温度关于时间的导数,确定所述电池组的残差数据;基于所述电池组的残差数据,分别确定所述电池组是否发生故障。从而在电池组故障检测过程中,对于电池温度的确定不仅考虑自身发热和表面对流的影响,还考虑电池相邻的电池的热传导温度,进而提高了故障检测的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理,并不构成对本申请的不当限定。
图1为本申请实施例中的一种基于结构分析法的电池组故障检测方法的流程图;
图2为本申请实施例中的一种基于结构分析法的电池组故障检测装置的结构框图;
图3为本申请实施例中的一种电子设备的框图;
图4为本申请实施例中的一阶戴维南等效电路模型;
图5为本申请实施例中的电池组示意图。
具体实施方式
为了使本领域普通人员更好地理解本申请的技术方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
需要说明的是,相关技术中,锂离子电池由于其高功率、高能量密度、更长寿命,成为大规模储能系统的首选。然而由于其复杂的电化学特性,在极端使用条件以及老化状态下,电池极易发生故障,严重者会导致火灾或爆炸。目前已有大量方法检测电池系统故障,然而大多数方法仅对电池组中的每个单体电池进行检测,并未考虑到多个单体电池之间的关联性。
基于上述问题,本申请提出了一种基于结构分析法的电池组故障检测方法、装置及电子设备,可以实现通过实时获取所述电池组的电流数据、电压数据、温度数据;基于所述电流数据、电压数据、温度数据,分别确定所述电池组中每个单体电池各自的端子电压、温度导数;其中,所述温度导数是基于当前单体电池的温度数据以及与所述当前单体电池相邻电池的温度数据确定的;基于所述每个单体电池各自的端子电压、温度关于时间的导数,确定所述电池组的残差数据;基于所述电池组的残差数据,分别确定所述电池组是否发生故障。从而在电池组故障检测过程中,对于电池温度的确定不仅考虑自身发热和表面对流的影响,还考虑电池相邻的电池的热传导温度,进而提高了故障检测的准确性。
图1为本申请实施例中的一种基于结构分析法的电池组故障检测方法的流程图。
如图1所示,该基于结构分析法的电池组故障检测方法包括:
步骤101,实时获取电池组的电流数据、电压数据、温度数据。
步骤102,基于电流数据、电压数据、温度数据,分别确定电池组中每个单体电池各自的端子电压、温度导数。
其中,在本申请实施例中,温度导数是基于当前单体电池的温度数据以及与当前单体电池相邻电池的温度数据确定的。
在本申请一些实施例中,步骤102包括:
步骤a1,针对每个单体电池,基于电流数据和电压数据,确定单体电池的端子电压。
作为一种可能实施的示例,如图4所示,可以将电池组等效为一阶戴维南等效电路模型,单体电池的端子电压可以通过一下公式计算的到:
V=E-Vc-IR
步骤a2,基于电流数据和温度数据,确定单体电池的温度导数。
在本申请一些实施例中,步骤a2包括:
步骤a21,基于电流数据和温度数据,确定单体电池自身发热温度值和电池表面热对流导致的温度变化量。
步骤a22,确定与单体电池相邻的j个单体电池;其中j为大于或者等于0的自然数。
步骤a23,基于温度数据,确定j个单体电池各自的温度值。
步骤a24,基于j个单体电池各自的温度值确定j个单体电池对单体电池的热传导温度值。
步骤a25,将单体电池自身发热温度值与电池表面热对流导致的温度变化量相减,得到第一中间值。
步骤a26,将第一中间值与j个单体电池对单体电池的热传导温度值相减,得到单体电池的温度导数。
需要说明的是,单体电池的温度导数不仅受到自身发热和表面对流的影响,还受到水平轴和垂直轴上相邻电池的热传导的影响,因此需要在考虑单体电池自身发热温度值和电池表面热对流导致的温度变化量的基础上,计算单体电池的热传导温度值,即单体电池的相邻电池与该单体电池之间的热传导温度值。
在本申请一些实施例中,j个单体电池对单体电池的热传导温度值Tc通过以下公式计算得到:
其中,Ti为电池温度,Tj为相邻电池温度,mc为有效热容,Rcc为导热电阻。
作为一种可能实施方式的示例,可以通过以下公式计算单体电池的温度导数:
在本申请一些实施例中,步骤102还可以包括:
步骤b1,基于电流数据、电压数据、温度数据,生成方程集。
举例来说,基于电流数据、电压数据、温度数据以及电池组的电池数量,生成方程集{e1,e2,…,ek},k为电池模型的方程数量。其中,未知变量集为{Vi,Ii,VCi,Ti(i=1,2,…,n),SOC,Ru,fs,Ip},n为电池单体数量,已知变量集:(yI,yT,yVi(i=1,2,…,n)},故障集为{fIp,fVi(i=1,2,…,n),fT,fOh}。
步骤b2,确定并删除方程集的过渡确定部分。
可选的,可以通过使用Dulmage Mendelsohn(DM)分解分析方程集的未知部分,可以分解为三个部分:
结构欠确定部分M-,其中有比方程更多的未知变量;
结构刚确定部分M0,其中方程和未知变量的数量相等;
结构超确定部分M+,其中方程多于未知变量。
步骤b3,基于删除过渡确定部分的方程集,分别确定电池组中每个单体电池各自的端子电压、温度导数。
作为一种可能实施方式的示例,基于上述分解结果,从方程集中提取方程的最小子集,将过渡确定部分的方程集删除,基于删除过渡确定部分的方程集,分别确定电池组中每个单体电池各自的端子电压、温度导数。
步骤103,基于每个单体电池各自的端子电压、温度关于时间的导数,确定电池组的残差数据。
在本申请一些实施例中,残差数据包括以下三项中的任意一项或者多项:电池组中每个单体电池各自对应的电压传感器残差值、温度传感器残差值、电流传感器残差值。
可选的,温度传感器残差值fT可以通过以下公式计算得到:
yT=T1+fT其中,T1为单体电池温度值,yT为温度输出值,yT为已知变量。
可选的,电流传感器残差值fIp可以通过以下公式计算得到:
yI=Ip+fIp
其中,Ip可以基于电流数据计算得到,yI为电流输出值,yT为已知变量。
以一电池连接电路为例,如图5所示,电池组中包括4个电池单体。针对其中一个单体电池,可以通过以下e1、e2、e3、e4这4个公式分别计算电池端子电压V1、电容C两端的电压Vc1、电池温度以及电压传感器残差fV1:
其中,yV1为已知量,I1为电池流出电流,V1为电池端子电压,E为电池开路电压(OCV),R1为欧姆电阻,Rc为极化电阻,C1为极化电容,Vc1为C两端的电压,为电压关于时间的导数,j为电池序号,Rcc为导热电阻,T1为电池温度,Tj为相邻电池温度,环境温度Tamb和有效热容mc为已知量,Ru为热对流阻力,为温度关于时间的导数。
步骤104,基于电池组的残差数据,分别确定电池组是否发生故障。
作为一种可能实施方式的示例,若上述残差数据中某一项残差的残差值为0,则说明该项残差对应的设备未发生故障,若上述残差数据中某一项残差的残差值不为0,则说明该项残差对应的设备发生故障。举例来说,若电压传感器残差值值为0,则说明电压传感器未出现故障,若温度传感器的残差值不为0,则说明温度传感器出现故障。
根据本申请实施例的基于结构分析法的电池组故障检测方法,通过实时获取所述电池组的电流数据、电压数据、温度数据;基于所述电流数据、电压数据、温度数据,分别确定所述电池组中每个单体电池各自的端子电压、温度导数;其中,所述温度导数是基于当前单体电池的温度数据以及与所述当前单体电池相邻电池的温度数据确定的;基于所述每个单体电池各自的端子电压、温度关于时间的导数,确定所述电池组的残差数据;基于所述电池组的残差数据,分别确定所述电池组是否发生故障。从而在电池组故障检测过程中,对于电池温度的确定不仅考虑自身发热和表面对流的影响,还考虑电池相邻的电池的热传导温度,进而提高了故障检测的准确性。
图2为本申请实施例中的一种基于结构分析法的电池组故障检测装置的流程图。
如图2所示,该基于结构分析法的电池组故障检测装置包括:
获取模块201,用于实时获取所述电池组的电流数据、电压数据、温度数据;
第一确定模块202,用于基于所述电流数据、电压数据、温度数据,分别确定所述电池组中每个单体电池各自的端子电压、温度导数;其中,所述温度导数是基于当前单体电池的温度数据以及与所述当前单体电池相邻电池的温度数据确定的;
第二确定模块203,用于基于所述每个单体电池各自的端子电压、温度关于时间的导数,确定所述电池组的残差数据;
第三确定模块204,用于基于所述电池组的残差数据,分别确定所述电池组是否发生故障。
根据本申请实施例的基于结构分析法的电池组故障检测装置,通过实时获取所述电池组的电流数据、电压数据、温度数据;基于所述电流数据、电压数据、温度数据,分别确定所述电池组中每个单体电池各自的端子电压、温度导数;其中,所述温度导数是基于当前单体电池的温度数据以及与所述当前单体电池相邻电池的温度数据确定的;基于所述每个单体电池各自的端子电压、温度关于时间的导数,确定所述电池组的残差数据;基于所述电池组的残差数据,分别确定所述电池组是否发生故障。从而在电池组故障检测过程中,对于电池温度的确定不仅考虑自身发热和表面对流的影响,还考虑电池相邻的电池的热传导温度,进而提高了故障检测的准确性。
图3为本申请实施例中的一种电子设备的框图。如图3所示,该电子设备可以包括:收发器31、处理器32、存储器33。
处理器32执行存储器存储的计算机执行指令,使得处理器32执行上述实施例中的方案。处理器32可以是通用处理器,包括中央处理器CPU、网络处理器(network processor,NP)等;还可以是数字信号处理器DSP、专用集成电路ASIC、现场可编程门阵列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。
存储器33通过系统总线与处理器32连接并完成相互间的通信,存储器33用于存储计算机程序指令。
收发器31可以用于获取待运行任务和待运行任务的配置信息。
系统总线可以是外设部件互连标准(peripheral component interconnect,PCI)总线或扩展工业标准结构(extended industry standard architecture,EISA)总线等。系统总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。收发器用于实现数据库访问装置与其他计算机(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(randomaccess memory,RAM),也可能还包括非易失性存储器(non-volatile memory)。
本申请实施例提供的电子设备,可以是上述实施例的终端设备。
本申请实施例还提供一种运行指令的芯片,该芯片用于执行上述实施例中消息处理方法的技术方案。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机指令,当该计算机指令在计算机上运行时,使得计算机执行上述实施例消息处理方法的技术方案。
本申请实施例还提供一种计算机程序产品,该计算机程序产品包括计算机程序,其存储在计算机可读存储介质中,至少一个处理器可以从计算机可读存储介质读取计算机程序,至少一个处理器执行计算机程序时可实现上述实施例中消息处理方法的技术方案。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (10)
1.一种基于结构分析法的电池组故障检测方法,其特征在于,所述方法包括:
实时获取所述电池组的电流数据、电压数据、温度数据;
基于所述电流数据、电压数据、温度数据,分别确定所述电池组中每个单体电池各自的端子电压、温度导数;其中,所述温度导数是基于当前单体电池的温度数据以及与所述当前单体电池相邻电池的温度数据确定的;
基于所述每个单体电池各自的端子电压、温度关于时间的导数,确定所述电池组的残差数据;
基于所述电池组的残差数据,分别确定所述电池组是否发生故障。
2.根据权利要求1所述的方法,其特征在于,所述基于所述电流数据、电压数据、温度数据,分别确定所述电池组中每个单体电池各自的端子电压、温度导数,包括:
针对每个单体电池,基于所述电流数据和所述电压数据,确定所述单体电池的端子电压;
基于所述电流数据和所述温度数据,确定所述单体电池的温度导数。
3.根据权利要求2所述的方法,其特征在于,所述基于所述电流数据和所述温度数据,确定所述单体电池的温度导数,包括:
基于所述电流数据和所述温度数据,确定所述单体电池自身发热温度值和电池表面热对流导致的温度变化量;
确定与所述单体电池相邻的j个单体电池;其中j为大于或者等于0的自然数;
基于所述温度数据,确定所述j个单体电池各自的温度值;
基于所述j个单体电池各自的温度值确定所述j个单体电池对所述单体电池的热传导温度值;
将所述单体电池自身发热温度值与所述电池表面热对流导致的温度变化量相减,得到第一中间值;
将所述第一中间值与所述j个单体电池对所述单体电池的热传导温度值相减,得到所述单体电池的温度导数。
5.根据权利要求1所述的方法,其特征在于,所述基于所述电流数据、电压数据、温度数据,分别确定所述电池组中每个单体电池各自的端子电压、温度导数,包括:
基于所述电流数据、电压数据、温度数据,生成方程集;
确定并删除所述方程集的过渡确定部分;
基于删除过渡确定部分的所述方程集,分别确定所述电池组中每个单体电池各自的端子电压、温度导数。
6.根据权利要求1所述的方法,其特征在于,所述残差数据包括以下三项中的任意一项或者多项:所述电池组中每个单体电池各自对应的电压传感器残差值、温度传感器残差值、电流传感器残差值。
7.一种基于结构分析法的电池组故障检测装置,其特征在于,所述装置包括:
获取模块,用于实时获取所述电池组的电流数据、电压数据、温度数据;
第一确定模块,用于基于所述电流数据、电压数据、温度数据,分别确定所述电池组中每个单体电池各自的端子电压、温度导数;其中,所述温度导数是基于当前单体电池的温度数据以及与所述当前单体电池相邻电池的温度数据确定的;
第二确定模块,用于基于所述每个单体电池各自的端子电压、温度关于时间的导数,确定所述电池组的残差数据;
第三确定模块,用于基于所述电池组的残差数据,分别确定所述电池组是否发生故障。
8.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1-6中任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-6中任一项所述的方法。
10.一种计算机程序产品,其特征在于,包括计算机程序,该计算机程序被处理器执行时实现权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310251091.5A CN116106771A (zh) | 2023-03-15 | 2023-03-15 | 基于结构分析法的电池组故障检测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310251091.5A CN116106771A (zh) | 2023-03-15 | 2023-03-15 | 基于结构分析法的电池组故障检测方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116106771A true CN116106771A (zh) | 2023-05-12 |
Family
ID=86263898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310251091.5A Pending CN116106771A (zh) | 2023-03-15 | 2023-03-15 | 基于结构分析法的电池组故障检测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116106771A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108062086A (zh) * | 2017-12-08 | 2018-05-22 | 中航锂电技术研究院有限公司 | 基于Simscape电池组模型验证电池充放电控制策略的方法 |
CN109061537A (zh) * | 2018-08-23 | 2018-12-21 | 重庆大学 | 基于观测器的电动车辆锂离子电池传感器故障诊断方法 |
CN112068018A (zh) * | 2020-08-14 | 2020-12-11 | 华南理工大学 | 基于改进格拉布斯准则和电池电热耦合模型的动力电池组故障诊断方法 |
CN112147512A (zh) * | 2020-09-17 | 2020-12-29 | 北京理工大学 | 一种锂离子电池短路与滥用故障的诊断及分离方法 |
CN113791364A (zh) * | 2021-08-31 | 2021-12-14 | 上海交通大学 | 模型融合信号驱动的锂离子电池内部短路诊断方法与系统 |
CN115128465A (zh) * | 2021-03-29 | 2022-09-30 | 恒大新能源技术(深圳)有限公司 | 电池热仿真系统、方法及电子设备 |
CN115214424A (zh) * | 2021-04-16 | 2022-10-21 | 北京嘀嘀无限科技发展有限公司 | 电池热管理系统的温度确定方法、装置及电子设备 |
CN115267563A (zh) * | 2021-04-29 | 2022-11-01 | 通用汽车环球科技运作有限责任公司 | 通过检测异常电池电压和soc退化进行热失控预测 |
CN115327386A (zh) * | 2022-08-09 | 2022-11-11 | 重庆大学 | 一种基于电热耦合模型的电池组多故障诊断方法 |
CN115684942A (zh) * | 2022-10-31 | 2023-02-03 | 中国长江三峡集团有限公司 | 电池短路故障检测方法、装置、计算机设备及介质 |
-
2023
- 2023-03-15 CN CN202310251091.5A patent/CN116106771A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108062086A (zh) * | 2017-12-08 | 2018-05-22 | 中航锂电技术研究院有限公司 | 基于Simscape电池组模型验证电池充放电控制策略的方法 |
CN109061537A (zh) * | 2018-08-23 | 2018-12-21 | 重庆大学 | 基于观测器的电动车辆锂离子电池传感器故障诊断方法 |
CN112068018A (zh) * | 2020-08-14 | 2020-12-11 | 华南理工大学 | 基于改进格拉布斯准则和电池电热耦合模型的动力电池组故障诊断方法 |
CN112147512A (zh) * | 2020-09-17 | 2020-12-29 | 北京理工大学 | 一种锂离子电池短路与滥用故障的诊断及分离方法 |
CN115128465A (zh) * | 2021-03-29 | 2022-09-30 | 恒大新能源技术(深圳)有限公司 | 电池热仿真系统、方法及电子设备 |
CN115214424A (zh) * | 2021-04-16 | 2022-10-21 | 北京嘀嘀无限科技发展有限公司 | 电池热管理系统的温度确定方法、装置及电子设备 |
CN115267563A (zh) * | 2021-04-29 | 2022-11-01 | 通用汽车环球科技运作有限责任公司 | 通过检测异常电池电压和soc退化进行热失控预测 |
CN113791364A (zh) * | 2021-08-31 | 2021-12-14 | 上海交通大学 | 模型融合信号驱动的锂离子电池内部短路诊断方法与系统 |
CN115327386A (zh) * | 2022-08-09 | 2022-11-11 | 重庆大学 | 一种基于电热耦合模型的电池组多故障诊断方法 |
CN115684942A (zh) * | 2022-10-31 | 2023-02-03 | 中国长江三峡集团有限公司 | 电池短路故障检测方法、装置、计算机设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Voltage fault detection for lithium-ion battery pack using local outlier factor | |
Kang et al. | A multi-fault diagnostic method based on an interleaved voltage measurement topology for series connected battery packs | |
Yang et al. | A fractional-order model-based battery external short circuit fault diagnosis approach for all-climate electric vehicles application | |
Feng et al. | Online internal short circuit detection for a large format lithium ion battery | |
Zheng et al. | Lithium ion battery pack power fade fault identification based on Shannon entropy in electric vehicles | |
Takyi‐Aninakwa et al. | A strong tracking adaptive fading‐extended Kalman filter for the state of charge estimation of lithium‐ion batteries | |
CN110376536B (zh) | 电池系统soh检测方法、装置、计算机设备和存储介质 | |
CN114371409B (zh) | 电池状态预测模型的训练方法、电池状态预测方法及装置 | |
CN112816877B (zh) | 电池的电流校准方法、设备和存储介质 | |
CN114814691A (zh) | 一种基于数字孪生的锂电池系统电压传感器故障诊断方法 | |
CN116027199A (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 | |
CN116203490A (zh) | 传感器故障诊断方法、装置、设备及存储介质 | |
CN115327386A (zh) | 一种基于电热耦合模型的电池组多故障诊断方法 | |
Lai et al. | A quantitative method for early-stage detection of the internal-short-circuit in Lithium-ion battery pack under float-charging conditions | |
CN112748348B (zh) | 电池低温性能分布水平检测方法、系统及存储介质 | |
CN114137415A (zh) | 电池组的发热量检测方法、装置、车辆及存储介质 | |
CN116400247B (zh) | 电池软短路故障的确定方法及装置 | |
Liu et al. | A novel Kalman-filter-based battery internal temperature estimation method based on an enhanced electro-thermal coupling model | |
CN116400248A (zh) | 电池内短路故障的确定方法及装置 | |
CN116106771A (zh) | 基于结构分析法的电池组故障检测方法、装置及电子设备 | |
CN113945302B (zh) | 一种电池内部温度的确定方法及其确定装置 | |
Allam et al. | Exploring the dependence of cell aging dynamics on thermal gradient in battery modules: A PDE-based time scale separation approach | |
CN115877232A (zh) | 一种基于卡尔曼滤波的锂离子电池内部温度估计方法 | |
Tang et al. | An aging-and load-insensitive method for quantitatively detecting the battery internal-short-circuit resistance | |
Shen et al. | Detection and quantitative diagnosis of micro-short-circuit faults in lithium-ion battery packs considering cell inconsistency |
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 |