CN116203490A - 传感器故障诊断方法、装置、设备及存储介质 - Google Patents
传感器故障诊断方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116203490A CN116203490A CN202310126343.1A CN202310126343A CN116203490A CN 116203490 A CN116203490 A CN 116203490A CN 202310126343 A CN202310126343 A CN 202310126343A CN 116203490 A CN116203490 A CN 116203490A
- Authority
- CN
- China
- Prior art keywords
- voltage
- battery pack
- sensor
- target battery
- current
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本申请公开了一种传感器故障诊断方法、装置、设备及存储介质,该方法包括:获取电流传感器的电流检测信号以及每一电压传感器的单体电压检测信号;将各单体电压检测信号之和以及电流检测信号导入预设的观测器中,得到目标电池组的荷电状态估计值;若荷电状态估计值表征目标电池组存在传感器故障,则计算目标电池组中每两个相邻的电池单体的单体电压检测信号之间的相关系数;根据各相关系数进行故障诊断。本申请通过构建一个观测器结合相关系数的传感器故障诊断方法,大大降低了计算量,减轻了计算负荷,从而提高了计算效率和故障诊断的灵敏度,确保了电池管理系统的可靠性。
Description
技术领域
本申请涉及电池管理技术领域,具体涉及一种传感器故障诊断方法、装置、设备及存储介质。
背景技术
动力电池是电动汽车、电动自行车等工具的主要能量来源,动力电池的运行性能直接关系到工具的运行。目前,电池系统包括电池模块以及电池管理系统(BatteryManagement System,BMS),收集所需要的数据是电池管理系统实现其功能的基础,所有植入电池管理系统的算法和有效控制均是依赖于传感器所完成的数据采集工作。传感器采样的速率、精度是衡量传感器优劣的重要指标,同时也是影响电池系统性能的重要指标,因此,传感器及其性能在电池系统中有着极其重要的地位。
相关技术中,主要是采用构建观测器的方式来对传感器进行故障诊断,例如为电池模块中的每个电池单体都构建一个观测器,每个观测器的输入为电流传感器测量值与对应电池单体的电压传感器测量值,每个观测器的输出为对应电池单体的电压估计值与电压传感器测量值构成的残差。可见,残差受电流传感器测量值与电压传感器测量值共同影响。因此,当电流传感器发生故障,每个观测器生成的残差均会受到影响,而某一个电池单体的电压传感器出现故障时,只有故障单体对应的观测器输出的残差会受到影响,根据残差的组合响应情况便可以实现对传感器的故障诊断。
但是,由于相关技术中为每个电池单体都构建一个观测器,若电池单体较多,则计算量非常大,导致计算效率较低,从而降低了故障诊断的灵敏度。
发明内容
本申请提供一种传感器故障诊断方法、装置、设备及存储介质,旨在解决相关技术中通过为每个电池单体构建观测器的方式来对电池系统的传感器进行故障诊断,存在计算效率低、故障诊断灵敏度低的问题。
第一方面,本申请提供一种传感器故障诊断方法,该方法用于对目标电池组中的电流传感器以及与目标电池组中串联的每一电池单体对应的电压传感器进行故障诊断,电流传感器用于采样目标电池组的总电流,电压传感器用于采样对应的电池单体的单体电压;方法包括:
获取电流传感器采样目标电池组的总电流得到的电流检测信号以及每一电压传感器采样对应的电池单体的单体电压得到的单体电压检测信号;
将各单体电压检测信号之和以及电流检测信号导入预设的观测器中,得到目标电池组的荷电状态估计值;
若荷电状态估计值表征目标电池组存在传感器故障,则计算目标电池组中每两个相邻的电池单体的单体电压检测信号之间的相关系数;
根据各相关系数对电流传感器和每一电压传感器进行故障诊断。
在本申请一种可能的实现方式中,根据各相关系数对电流传感器和每一电压传感器进行故障诊断,包括:
若各相关系数无异常,则确定各电压传感器无故障且电流传感器故障;
若各相关系数中存在相邻的两个相关系数异常,则确定同时与该相邻的两个相关系数关联的电池单体对应的电压传感器故障且电流传感器以及目标电池组中的其他电压传感器无故障。
在本申请一种可能的实现方式中,计算目标电池组中每两个相邻的电池单体的单体电压检测信号之间的相关系数,包括:
利用预设的滑动窗口对每两个相邻的电池单体的单体电压检测信号进行滤波处理,计算滑动窗口内的两单体电压检测信号之间的相关系数。
在本申请一种可能的实现方式中,将各单体电压检测信号之和以及电流检测信号导入预设的观测器中,得到目标电池组的荷电状态估计值,之前,方法还包括:
根据目标电池组的性能参数构建目标电池组的等效模型;
对目标电池组进行开路电压测试,得到目标电池组的开路电压,并建立开路电压与目标电池组的荷电状态间的关系;
对目标电池组进行模拟动态应力工况测试,得到模拟动态应力工况测试下的电压与电流对应关系,并根据电压与电流对应关系对等效模型中的模型参数进行辨识,确定模型参数与荷电状态间的定量关系;
根据开路电压与目标电池组的荷电状态间的关系以及模型参数与荷电状态间的定量关系建立观测器。
在本申请一种可能的实现方式中,对目标电池组进行开路电压测试,得到目标电池组的开路电压,包括:
对目标电池组中的每一电池单体进行涓流放电试验,得到每一电池单体对应的单体开路电压;
根据各单体开路电压之和,得到目标电池组的开路电压。
在本申请一种可能的实现方式中,根据电压与电流对应关系对等效模型中的模型参数进行辨识,包括:
根据电压与电流对应关系基于带遗传因子的递归最小二乘法、粒子群算法和遗传算法中的一种或多种算法对等效模型中的模型参数进行辨识。
在本申请一种可能的实现方式中,观测器基于扩展卡尔曼滤波算法、状态估计算法和数据驱动算法中的一种或多种算法对目标电池组的荷电状态进行估计,以得到目标电池组的荷电状态估计值。
第二方面,本申请还提供一种传感器故障诊断装置,该装置用于对目标电池组中的电流传感器以及与目标电池组中串联的每一电池单体对应的电压传感器进行故障诊断,电流传感器用于采样目标电池组的总电流,电压传感器用于采样对应的电池单体的单体电压;装置包括:
获取模块,用于获取电流传感器采样目标电池组的总电流得到的电流检测信号以及每一电压传感器采样对应的电池单体的单体电压得到的单体电压检测信号;
荷电状态估计模块,用于将各单体电压检测信号之和以及电流检测信号导入预设的观测器中,得到目标电池组的荷电状态估计值;
相关系数计算模块,用于若荷电状态估计值表征目标电池组存在传感器故障,则计算目标电池组中每两个相邻的电池单体的单体电压检测信号之间的相关系数;
诊断模块,用于根据各相关系数对电流传感器和每一电压传感器进行故障诊断。
在本申请一种可能的实现方式中,诊断模块具体用于:
若各相关系数无异常,则确定各电压传感器无故障且电流传感器故障;
若各相关系数中存在相邻的两个相关系数异常,则确定同时与该相邻的两个相关系数关联的电池单体对应的电压传感器故障且电流传感器以及目标电池组中的其他电压传感器无故障。
在本申请一种可能的实现方式中,相关系数计算模块具体用于:
利用预设的滑动窗口对每两个相邻的电池单体的单体电压检测信号进行滤波处理,计算滑动窗口内的两单体电压检测信号之间的相关系数。
在本申请一种可能的实现方式中,传感器故障诊断装置还包括构建模块,在荷电状态估计模块将各单体电压检测信号之和以及电流检测信号导入预设的观测器中,得到目标电池组的荷电状态估计值,之前,构建模块用于:
根据目标电池组的性能参数构建目标电池组的等效模型;
对目标电池组进行开路电压测试,得到目标电池组的开路电压,并建立开路电压与目标电池组的荷电状态间的关系;
对目标电池组进行模拟动态应力工况测试,得到模拟动态应力工况测试下的电压与电流对应关系,并根据电压与电流对应关系对等效模型中的模型参数进行辨识,确定模型参数与荷电状态间的定量关系;
根据开路电压与目标电池组的荷电状态间的关系以及模型参数与荷电状态间的定量关系建立观测器。
在本申请一种可能的实现方式中,构建模块具体用于:
对目标电池组中的每一电池单体进行涓流放电试验,得到每一电池单体对应的单体开路电压;
根据各单体开路电压之和,得到目标电池组的开路电压。
在本申请一种可能的实现方式中,构建模块具体用于:
根据电压与电流对应关系基于带遗传因子的递归最小二乘法、粒子群算法和遗传算法中的一种或多种算法对等效模型中的模型参数进行辨识。
第三方面,本申请还提供一种传感器故障诊断设备,该传感器故障诊断设备包括存储器和处理器,存储器用于存储计算机程序,计算机程序被处理器执行时,用于实现第一方面或第一方面任一种可能的实现方式中的传感器故障诊断方法。
第四方面,本申请还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行以实现第一方面或第一方面任一种可能的实现方式的传感器故障诊断方法中的步骤。
从以上内容可得出,本申请具有以下的有益效果:
本申请中,观测器根据电流传感器的电流检测信号以及每一个电池单体对应的电压传感器的单体电压检测信号对目标电池组的荷电状态进行估计,从而根据荷电状态估计值确定目标电池组是否存在传感器故障,在确定存在传感器故障时,针对于目标电池组中的电池单体,计算每两个相邻电池单体的单体电压检测信号之间的相关系数,从而根据计算得到的相关系数对电流传感器和各电压传感器进行故障诊断,相较于现有技术中为每个电池单体都构建观测器进行传感器故障诊断来说,大大降低了计算量,减轻了计算负荷,从而提高了计算效率和故障诊断的灵敏度,确保了电池管理系统的可靠性。
附图说明
为了更清楚地说明本申请中的技术方案,下面将对本申请描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,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是现有技术中的传感器故障诊断策略的一个架构示意图;
图2是本申请实施例中提供的传感器故障诊断方法的一个流程示意图;
图3是本申请实施例中提供的目标电池组的等效模型的一个结构示意图;
图4是本申请实施例中提供的根据相关系数对电压传感器进行故障诊断的一个模型示意图;
图5是本申请实施例中提供的传感器故障诊断策略的一个架构示意图;
图6是本申请实施例中提供的传感器故障诊断装置的一个结构示意图;
图7是本申请实施例中提供的传感器故障诊断设备的一个结构示意图。
附图标记:
600-传感器故障诊断装置;601-获取模块;602-荷电状态估计模块;603-相关系数计算模块;604-诊断模块;605-构建模块;
701-处理器;702-存储器;703-电源;704-输入单元;705-输出单元。
具体实施方式
下面将结合本申请中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请中,“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本申请。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本申请的描述变得晦涩。因此,本申请并非旨在限于所示的实施例,而是与符合本申请所公开的原理和特征的最广范围相一致。
在介绍本申请的一种传感器故障诊断方法、装置、设备及存储介质之前,首先介绍现有技术中的传感器故障诊断方法。
在电池系统传感器中,电流传感器对电池的荷电状态(Stage Of Charge,SOC)估计以及能量状态估计有着直接的影响;由于电池模型参数受到电池荷电状态以及电池温度的影响,电流传感器和电压传感器所采集的数据还可以参与修正电池模型参数。当传感器发生故障时,电池管理系统由于无法对电池模块的状态进行精准捕捉,容易导致做出错误决策,影响电池模块的运行。因此,及时检测、快速诊断并排除传感器故障具有十分重要的意义。
相关技术中,采用构建观测器的方式来对传感器进行故障诊断,例如为电池模块中的每个电池单体都构建一个观测器,每个观测器的输入为电流传感器测量值与对应电池单体的电压传感器测量值,每个观测器的输出为对应电池单体的电压估计值与电压传感器测量值构成的残差,可见,残差受电流传感器测量值与电压传感器测量值共同影响。因此,当电流传感器发生故障,每个观测器生成的残差均会受到影响,而某一个电池单体的电压传感器出现故障时,只有故障单体对应的观测器输出的残差会受到影响,根据残差的组合响应情况便可以实现对传感器的故障诊断。
如图1所示,为现有技术中传感器故障诊断策略的一个架构示意图,以对串联电池组的传感器进行故障诊断为例,假设该串联电池组包括四个串联的电池单体(Cell1/Cell2/Cell3/Cell4),该串联电池组的传感器包括一个电流传感器(I)以及分别与每个电池单体(Cell1/Cell2/Cell3/Cell4)对应的电压传感器(V1/V2/V3/V4)。具体的传感器故障诊断策略为构建四个观测器,每个观测器分别与一个电池单体相对应,每个观测器的输入为电流传感器测量值与对应电池单体的电压传感器测量值,观测器输出对应电池单体的电压估计值与电压传感器测量值构成的残差,残差受电流传感器测量值与电压传感器测量值共同影响,因此,当电流传感器发生故障,四个观测器生成的残差均会受到影响,而某一个电池单体电压出现故障时,只有故障单体对应的观测器输出的残差会受到影响,如此,可以根据残差的组合响应情况实现串联电池组传感器故障诊断。
但是,采用纯观测器的故障诊断方法时,依托建立精确的电池模型,因此存在较大的计算量,并且每个电池单体都构建观测器,若电池单体较多,则会大大增加计算负荷,降低计算效率,也会在一定程度上降低故障诊断的灵敏度。
基于此,本申请提供一种传感器故障诊断方法、装置、设备及存储介质,以下分别进行详细说明。
首先,本申请提供一种传感器故障诊断方法,该方法的执行主体可以是传感器故障诊断装置,或者集成了该传感器故障诊断装置的服务器设备、物理主机或者用户设备(User Equipment,UE)等不同类型的设备,其中,UE具体可以为智能手机、平板电脑、笔记本电脑、掌上电脑或者台式电脑等终端设备。
该传感器故障诊断方法可以用于检测电池组,即对目标电池组的传感器进行故障诊断。其中,目标电池组的传感器可以包括电流传感器以及与目标电池组中串联的每一电池单体对应的电压传感器。
请参阅图2,图2是本申请实施例中提供的传感器故障诊断方法的一个流程示意图,需要说明的是,虽然在流程示意图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例中,该传感器故障诊断方法可以包括以下多个步骤:
步骤S201、获取电流传感器采样目标电池组的总电流得到的电流检测信号以及每一电压传感器采样对应的电池单体的单体电压得到的单体电压检测信号。
本申请实施例中,目标电池组可以包括多个串联的电池单体,电流传感器可以串联在目标电池组的电池单体回路中,用于检测回路中的总电流得到电流检测信号。每个电池单体还可以对应并联有一个电压传感器,每个电压传感器可以用于采样对应的电池单体的单体电压得到单体电压检测信号。
为了对目标电池组的电流传感器以及各电压传感器进行故障诊断,本申请实施例中,可以在电流传感器以及各电压传感器实时对目标电池组进行电流、电压检测时,将检测得到的电流检测信号以及各单体电压检测信号输入到传感器故障诊断装置中,从而使传感器故障诊断装置获取到电流传感器采样目标电池组的总电流得到的电流检测信号以及每一电压传感器采样对应的电池单体的单体电压得到的单体电压检测信号。
可以理解的,传感器故障诊断装置实时获取到的电流检测信号以及单体电压检测信号可以是每一采样时刻对应的电流检测值以及单体电压检测值。
步骤S202、将各单体电压检测信号之和以及电流检测信号导入预设的观测器中,得到目标电池组的荷电状态估计值。
本申请实施例中,在进行传感器故障诊断之前,首先可以为目标电池组构建一个观测器,将各单体电压检测信号之和以及电流检测信号导入该观测器中后,该观测器可以根据电流检测信号即电流检测值以及各单体电压检测信号即单体电压检测值对目标电池组荷电状态进行估计,得到荷电状态估计值,以及根据该荷电状态估计值与各单体电压检测值之和构成残差。
可以理解的,当电流传感器或任意一个电压传感器发生故障时,都会影响电流检测信号或者单体电压检测信号的采集,从而影响目标电池组荷电状态的估计精度,因此,根据荷电状态估计值可以确定目标电池组是否存在传感器故障,如果荷电状态估计值偏离了参考值/检测值,则可以判断存在电流传感器故障或者电压传感器故障。
由于残差是根据该荷电状态估计值与各单体电压检测值之和构成的。因此,根据残差的组合响应情况同样可以实现目标电池组的传感器故障诊断。例如,若残差大于了预设的残差阈值,则可以确定存在电流传感器故障或者电压传感器故障。
步骤S203、若荷电状态估计值表征目标电池组存在传感器故障,则计算目标电池组中每两个相邻的电池单体的单体电压检测信号之间的相关系数。
本申请实施例中,若根据荷电状态估计值确定目标电池组存在传感器故障即存在电流传感器故障或者电压传感器故障时,可以计算每两个相邻的电池单体的单体电压检测信号之间的相关系数。
相关系数是用来度量变量之间线性相关程度的量,其可以反映两个变量之间的相关关系密切程度,由此可见,相关系数衡量的是两条曲线的趋势是否匹配,而并非衡量这两条曲线的形状。因此,在理想情况下的工作过程中,两个串联的电池单体的单体电压的相关系数应该是接近1的,当这两个电池单体中任意一个的单体电压出现异常时,相关系数将显著变小,从而反映电压异常,根据电压异常的组合响应情况便可以推断出发生故障的传感器。
步骤S204、根据各相关系数对电流传感器和每一电压传感器进行故障诊断。
根据步骤S203可以知道,相邻的两个电池单体中任意一个的单体电压出现异常时,对该两个电池单体对应的相关系数将显著变小,从而反映出两个电池单体中的某一个电池单体存在电压异常,进一步便可以认为与该电池单体并联的电压传感器故障。因此,如果每两个相邻的电池单体的单体电压检测信号之间的相关系数均无异常,则可以确定目标电池组不存在电压异常,从而确定各电压传感器无故障,又由于步骤S203中根据荷电状态估计值确定目标电池组存在传感器故障,因此,在存在传感器故障而各电压传感器又无故障的情况下,可以确定电流传感器故障。
反之,若存在相关系数异常,可以理解,若某一个电池单体对应的电压传感器故障,则与该电池单体的单体电压检测信号关联的两个相关系数均会出现异常,因此,若存在相邻的两个相关系数异常,则可以确定同时与该相邻的两个相关系数关联的电池单体对应的电压传感器故障,同时,目标电池组中的其他电压传感器以及电流传感器无故障。
至此,便实现了对目标电池组中的电流传感器和电压传感器进行故障诊断并快速判断故障点即确定故障传感器。
本申请实施例中,观测器根据电流传感器的电流检测信号以及每一个电池单体对应的电压传感器的单体电压检测信号对目标电池组的荷电状态进行估计,从而根据荷电状态估计值确定目标电池组是否存在传感器故障,在确定存在传感器故障时,针对于目标电池组中的电池单体,计算每两个相邻电池单体的单体电压检测信号之间的相关系数,从而根据计算得到的相关系数对电流传感器和各电压传感器进行故障诊断,相较于现有技术中为每个电池单体都构建观测器进行传感器故障诊断来说,本申请实施例通过构建一个观测器结合相关系数的传感器故障诊断方法,大大降低了计算量,减轻了计算负荷,从而提高了计算效率和故障诊断的灵敏度,确保了电池管理系统的可靠性。
在本申请一些实施例中,将各单体电压检测信号之和以及电流检测信号导入预设的观测器中,得到目标电池组的荷电状态估计值,之前,方法还可以进一步包括:
根据目标电池组的性能参数构建目标电池组的等效模型;
对目标电池组进行开路电压测试,得到目标电池组的开路电压,并建立开路电压与目标电池组的荷电状态间的关系;
对目标电池组进行模拟动态应力工况测试,得到模拟动态应力工况测试下的电压与电流对应关系,并根据电压与电流对应关系对等效模型中的模型参数进行辨识,确定模型参数与荷电状态间的定量关系;
根据开路电压与目标电池组的荷电状态间的关系以及模型参数与荷电状态间的定量关系建立观测器。
本申请实施例中,目标电池组可以是锂离子电池单体构成的锂离子电池组,目标电池组的性能参数可以是锂离子电池的类型、型号及该型号电池的相应技术参数如电池可用容量等。
具体的,例如目标电池组为四个串联的NCM811方形电池所组成的串联电池组,本申请实施例中,串联电池组可以存在多种建模形式,可实现电池组状态估计等功能。现有的建模方法分为以下几类:大单体模型、多单体模型、最大最小模型以及均值-偏差模型等。
在不考虑串联电池组内部不一致性的情况下,将串联电池组视为一个较大电压、较大容量的大电池单体,由此便可构建大单体模型。
这个大电池单体的电压为各个小电池单体的电压之和,电流为串联电池组的电流,基于此,便可以应用各类单体建模方法对串联电池组进行建模。
考虑到针对串联电池组的传感器故障诊断需要综合考虑计算负荷与精度,本实施例中选择等效模型为一阶等效电路模型。如图3所示,该等效模型主要包括一个开路电压源Uoc、欧姆内阻R以及一个包括第一电阻R1和第一电容C1的RC网络,由基尔霍夫定律可以推导出如下数学表达式:
Ut=Uoc-U1-I·R
式中,I表示输入电流,约定充电电流为正,放电电流为负;u1表示第一电容C1两侧的电压,称为极化电压;Ut表示电池端电压,第一电容C1又称为极化电容。
以下两式同样成立:
Uoc=spline(Ssoc)
其中,Uoc表示串联电池组的开路电压,其是荷电状态的非线性函数;Ssoc表示串联电池组的荷电状态,η表示库伦效率,Cbat表示串联电池组的可用容量。
将上式离散化后可得如下表达式:
U1(k+1)=exp(-Δt/(R1C1))·U1(k)+R1·(1-exp(-Δt/(R1C1)))·I(k)
Ut(k)=spline(Ssoc(k))-U1(k)-U2(k)-R·I(k)
式中,k为采样时刻,Δt为采样间隔。
在等效模型构建完成后,可以对目标电池组中的每一电池单体进行涓流放电试验,得到每一电池单体对应的单体开路电压,根据各单体开路电压之和,得到目标电池组的开路电压。
具体的,本申请实施例中,可以在常温下对串联电池组进行涓流放电试验获取四个电池单体的单体开路电压(Open Circuit Voltage,OCV),将四个单体开路电压相加即可得到等效大单体的开路电压值即目标电池组的开路电压。根据目标电池组的开路电压,便可以得到开路电压与大单体荷电状态的关系曲线,并用多项式或其他经验公式对其进行拟合。
除此之外,还可以对目标电池组进行模拟动态应力工况测试(Dynamic StressTest,DST),得到模拟动态应力工况测试下的电压与电流对应关系,并根据得到的电压与电流对应关系对等效模型中的模型参数进行辨识,确定模型参数与荷电状态间的定量关系。
本申请实施例中,对模型参数进行辨识的方法可以是基于带遗传因子的递归最小二乘法、粒子群算法(Particle Swarm Optimization,PSO)和遗传算法(GeneticAlgorithm,GA)中的一种或多种,具体可以根据实际应用场景进行确定。
根据前述得到的结果即开路电压与目标电池组的荷电状态间的关系以及模型参数与荷电状态间的定量关系,便可以建立观测器并对其进行初始化。
本申请实施例中,观测器可以基于扩展卡尔曼滤波算法(Extended KalmanFilter,EKF)、状态估计算法和数据驱动算法中的一种或多种来估计串联电池组的荷电状态从而生成残差,最终根据残差的响应情况以及相关系数响应结果实现串联电池组传感器的故障诊断与分离。
基于观测器的故障诊断方法的主要思想就是在系统较精确的数学模型的基础上重新构建一个以原系统输入测量值以及原系统输出测量值为总输入的系统,该系统将会输出原系统输出测量值的估计值,并且将估计值与测量值作差由此生成残差,当传感器发生故障时,原系统输入测量值以及原系统输出测量值会发生异变,残差也会出现异变,可通过检测残差的异变情况实现传感器的故障诊断。
基于此,本申请实施例建立一个EKF观测器,EKF算法具体的计算过程如下,对于表达式如下的非线性系统:
xk+1=f(xk,uk)+wk
yk=g(xk,uk)+vk
该表达式为离散时间内非线性时变系统的状态方程与测量方程,其中,xk表示系统状态变量,yk表示系统测量输出量,uk表示系统输入量;wk为系统状态噪声,vk为测量噪声,二者都是独立的、均值为零的高斯噪声;f()为非线性系统状态方程,g()为测量方程。
系统状态噪声与测量噪声的协方差分别用Qk和Rk表示,表达式为:
Qk=E(wkwk T)
Rk=E(vkvk T)
其中,wk表示系统状态噪声,E()为协方差方程。
确定系统的初始状态为:
设置系统初始的状态噪声与测量噪声的协方差Q0以及R0,
基于此系统的卡尔曼滤波算法的具体计算过程如下,
Pk -=Ak-1Pk-1 +Ak-1 T+Qk-1
Gk=Pk -Ck(CkPk -Ck T+Rk)-1
Pk +=(I-GkCk)Pk -
在构建完成EKF观测器后,便可以将电流传感器测量数据与四个电压传感器测量数据之和导入EKF观测器,进行状态估计获得串联电池组的荷电状态估计值,并与参考值作差即可获得残差。在不考虑目标电池组中温度传感器以及电池本体故障的前提下,当电流传感器或任意一个电压传感器发生故障时,都会影响电流或者电压信号的采集,从而影响串联电池组荷电状态的估计精度。基于此,可以通过估计电池组荷电状态来实现对电流传感器或者电压传感器的故障检测,如果荷电状态估计值偏离了参考值,则可以判断存在电流传感器故障或者电压传感器故障,需要说明的是,本申请实施例中不考虑多个传感器同时故障的情况,即本申请实施例中有且仅有一个传感器故障。
相关技术中,根据基于扩展卡尔曼滤波观测器的串联电池组荷电状态估计结果,可以实现对电流传感器或电压传感器故障的诊断,但是只能判断有故障发生,并不能确定究竟是电流传感器发生故障,还是电压传感器发生故障,同时也无法判断是哪一个电压传感器发生了故障。
基于此,本申请实施例中提出了基于改进相关系数法的传感器故障诊断。
两个变量之间的相关系数可以通过如下公式计算:
式中,rx,y是变量x,y之间的相关系数;cov(x,y)是变量x,y的协方差;σx,σy为变量x,y的标准差;μx,μy为变量x,y的均值;n为样本数。
相关系数的一个重要性质可以用公式表达如下:
rαx+β,y=rx,y
式中α,β为常数,这一性质可以通过相关系数的定义式进行公式推导得到,由这一性质可以知道,相关系数衡量的是两条曲线的趋势是否匹配,而并非衡量曲线的形状。因此,在理想情况下,工作过程中,两个串联电池单体电压的相关系数应该接近1,当这两个单体中任意一个的电压出现异常时,相关系数将显著变小,从而反映电压异常。
因此,本申请实施例中,利用相关系数法来检测电压传感器故障,为了可以在线应用相关系数法,可以获得相关系数计算表达式的递归形式:
上式可以化为:
通过以上相关系数的递归式在测量开始时可以获得两个单体电压曲线在时域趋势的相似性,但是,随着在线运行工况数据的不断累积,历史数据存在高度的相似性,会存在相关系数的计算结果无法反映电压异常的情况,同时,不断累积的历史数据会对存储能力造成压力,因此,在此基础上,本申请实施例还对相关系数进行了改进,具体为:利用预设的滑动窗口对每两个相邻的电池单体的单体电压检测信号进行滤波处理,计算滑动窗口内的两单体电压检测信号之间的相关系数。
本申请实施例中,在每个时间瞬间,只计算滑动窗口中数据的相关系数。改进后相关系数的计算式如下:
式中,N为滑动窗口的大小,值得注意的是,窗口的大小可以根据实际应用场景进行确定。如果在计算中使用大量的数据,异常电压变化对相关系数的影响可以忽略不计,为了保持对故障的检测灵敏度,首选小尺寸的滑动窗口。而另一方面,当滑动窗口尺寸过小时,噪声将被视为异常波动,测量噪声也会影响计算,因此,具体可以根据应用程序选择适当大小的滑动窗口。
假设在两个随机变量x,y中分别加入另外两个信号X,Y。此时,两个变量的相关系数可以计算得到:
式中假设x,y与X,Y相互独立,则上式可化为:
在上式中,当电池处于静置状态时,分子第一项为零,因为电压非常接近它们的开路电压。当X和Y是独立的、同分布的白噪声时,第二项也为零。这表明在这种情况下,相关系数接近于零,将导致计算的突然下降,由此会导致故障的误诊断。
若进一步扩展到将两个信号加入变量中,同时设定加入信号的均值皆为0,则相关系数可计算得到:
式中,A和B是新添加到x和y中的信号,并假设它们与x、y、X和Y独立,当A和B不独立时,上式提供了避免零相关系数的解。在这种情况下,当电池处于电流为0状态时,上式简化为:
上式说明了,如果噪声的方差相比A,B可以忽略不计,则信号x+X+A与y+Y+B的相关系数与A,B之间的相关系数相等。利用这一特性,可以在两个电压信号上添加同一信号,这就意味着rA,B为1,当有信号持续输入时,附加的信号可以忽略不计,同时,两个信号的方差应该大于噪声的方差,这样当电池电流为0时,两个电压的相关系数将接近1。
一个简单的设计是添加一个方波,振幅为噪声标准差的3倍,即噪声方差的9倍,表达式如下:
式中,S是加性方波。因此,当电池电流为0时,相关系数接近0.9。显然,当方波的振幅较大时,相关系数更接近1。但振幅的增加也降低了检测对实际压降的灵敏度。因此在加性方波的设计中,考虑到阈值为0.5,0.9是一个合理的目标。方波的周期应小于滑动窗口大小,周期选择可以是2个样本。
利用上述的改进相关系数法便可以对四个电池单体的电压传感器故障进行监测,具体方法为:计算每一对相邻电池单体电压传感器测量的电压信号之间的相关系数,这里也包括第一个和最后一个电池的相关系数,如图4所示。当一个电池单体的电压传感器发生故障时,与该电池单体相关的两个相关系数都会出现下降,由此,故障位置可以通过重叠的单元数来隔离。
如图5所示,通过基于观测器的串联电池组荷电状态估计,可以判断存在传感器故障,但是无法判断是电流传感器故障还是电压传感器故障,更无法判断是哪一个电压传感器发生了故障,通过改进相关系数法,如果存在电压传感器故障,可以判断是哪一个单体的电压传感器发生故障,将两方案相结合,便是本申请实施例中提出的观测器联合改进相关系数法的串联电池组传感器故障诊断策略,相较于现有技术来说,本申请实施例的方法大大降低了计算量和计算负荷,提高了计算效率以及故障诊断灵敏度,确保了电池管理系统的可靠性。
为了更好地实现本申请的传感器故障诊断方法,本申请实施例中还提供一种传感器故障诊断装置。如图6所示,图6是本申请实施例中提供的传感器故障诊断装置的一个功能模块示意图,该传感器故障诊断装置600用于对目标电池组中的电流传感器以及与目标电池组中串联的每一电池单体对应的电压传感器进行故障诊断,电流传感器用于采样目标电池组的总电流,电压传感器用于采样对应的电池单体的单体电压;传感器故障诊断装置600可以包括:
获取模块601,用于获取电流传感器采样目标电池组的总电流得到的电流检测信号以及每一电压传感器采样对应的电池单体的单体电压得到的单体电压检测信号;
荷电状态估计模块602,用于将各单体电压检测信号之和以及电流检测信号导入预设的观测器中,得到目标电池组的荷电状态估计值;
相关系数计算模块603,用于若荷电状态估计值表征目标电池组存在传感器故障,则计算目标电池组中每两个相邻的电池单体的单体电压检测信号之间的相关系数;
诊断模块604,用于根据各相关系数对电流传感器和每一电压传感器进行故障诊断。
在本申请一些实施例中,诊断模块604具体可以用于:
若各相关系数无异常,则确定各电压传感器无故障且电流传感器故障;
若各相关系数中存在相邻的两个相关系数异常,则确定同时与该相邻的两个相关系数关联的电池单体对应的电压传感器故障且电流传感器以及目标电池组中的其他电压传感器无故障。
在本申请一些实施例中,相关系数计算模块603具体可以用于:
利用预设的滑动窗口对每两个相邻的电池单体的单体电压检测信号进行滤波处理,计算滑动窗口内的两单体电压检测信号之间的相关系数。
在本申请一些实施例中,传感器故障诊断装置600还包括构建模块605,在荷电状态估计模块602将各单体电压检测信号之和以及电流检测信号导入预设的观测器中,得到目标电池组的荷电状态估计值,之前,构建模块605具体可以用于:
根据目标电池组的性能参数构建目标电池组的等效模型;
对目标电池组进行开路电压测试,得到目标电池组的开路电压,并建立开路电压与目标电池组的荷电状态间的关系;
对目标电池组进行模拟动态应力工况测试,得到模拟动态应力工况测试下的电压与电流对应关系,并根据电压与电流对应关系对等效模型中的模型参数进行辨识,确定模型参数与荷电状态间的定量关系;
根据开路电压与目标电池组的荷电状态间的关系以及模型参数与荷电状态间的定量关系建立观测器。
在本申请一些实施例中,构建模块605具体还可以用于:
对目标电池组中的每一电池单体进行涓流放电试验,得到每一电池单体对应的单体开路电压;
根据各单体开路电压之和,得到目标电池组的开路电压。
在本申请一些实施例中,构建模块605具体还可以用于:
根据电压与电流对应关系基于带遗传因子的递归最小二乘法、粒子群算法和遗传算法中的一种或多种算法对等效模型中的模型参数进行辨识。
需要说明的是,本申请中,获取模块601、荷电状态估计模块602、相关系数计算模块603、诊断模块604和构建模块605的相关内容与上述一一对应,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的传感器故障诊断装置及其相应单元模块的具体工作过程,可以参考如图2对应任意实施例中传感器故障诊断方法的说明,具体在此不再赘述。
为了更好实施本申请的传感器故障诊断方法,本申请还提供一种传感器故障诊断设备,该传感器故障诊断设备可以包括处理器701和存储器702,该存储器702可以用于存储计算机程序,该计算机程序被处理器701执行时,可以用于实现以下功能:
获取电流传感器采样目标电池组的总电流得到的电流检测信号以及每一电压传感器采样对应的电池单体的单体电压得到的单体电压检测信号;
将各单体电压检测信号之和以及电流检测信号导入预设的观测器中,得到目标电池组的荷电状态估计值;
若荷电状态估计值表征目标电池组存在传感器故障,则计算目标电池组中每两个相邻的电池单体的单体电压检测信号之间的相关系数;
根据各相关系数对电流传感器和每一电压传感器进行故障诊断。
如图7所示,其示出了本申请所涉及的传感器故障诊断设备的一个结构示意图,具体来讲:
该传感器故障诊断设备可以包括一个或者一个以上处理核心的处理器701、一个或一个以上计算机可读存储介质的存储器702、电源703和输入单元704等部件。本领域技术人员可以理解,图7中示出的结构并不构成对传感器故障诊断设备的限定,传感器故障诊断设备还可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器701是该设备的控制中心,利用各种接口和线路连接整个设备的各个部分,通过运行或执行存储在存储器702内的软件程序和/或单元模块,以及调用存储在存储器702内的数据,执行传感器故障诊断设备的各种功能和处理数据,从而对交互设备进行整体监控。可选的,处理器701可包括一个或多个处理核心;处理器701可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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。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,优选的,处理器701可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器701中。
存储器702可用于存储软件程序以及模块,处理器701通过运行存储在存储器702的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器702可主要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、至少一个功能所需的应用程序等;存储数据区可存储根据传感器故障诊断设备的使用所创建的数据等。此外,存储器702可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器702还可以包括存储器控制器,以提供处理器701对存储器702的访问。
该传感器故障诊断设备还可以包括给各个部件供电的电源703,优选的,电源703可以通过电源管理系统与处理器701逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源703还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该传感器故障诊断设备还可以包括输入单元704和输出单元705,该输入单元704可用于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键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,该传感器故障诊断设备还可以包括显示单元等,在此不再赘述。具体在本申请中,交互设备中的处理器701会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器702中,并由处理器701来运行存储在存储器702中的应用程序,从而实现各种功能,如下:
获取电流传感器采样目标电池组的总电流得到的电流检测信号以及每一电压传感器采样对应的电池单体的单体电压得到的单体电压检测信号;
将各单体电压检测信号之和以及电流检测信号导入预设的观测器中,得到目标电池组的荷电状态估计值;
若荷电状态估计值表征目标电池组存在传感器故障,则计算目标电池组中每两个相邻的电池单体的单体电压检测信号之间的相关系数;
根据各相关系数对电流传感器和每一电压传感器进行故障诊断。
本领域普通技术人员可以理解,上述的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器701进行加载和执行。
为此,本申请提供一种计算机可读存储介质,该计算机可读存储介质可以包括:只读存储器(Read Only Memory,ROM)、随机存取记忆体(Random Access Memory,RAM)、磁盘或光盘等。其上存储有计算机指令,计算机指令被处理器701进行加载,以执行本申请所提供的任一种传感器故障诊断方法中的步骤。例如,计算机指令被处理器701执行时实现以下功能:
获取电流传感器采样目标电池组的总电流得到的电流检测信号以及每一电压传感器采样对应的电池单体的单体电压得到的单体电压检测信号;
将各单体电压检测信号之和以及电流检测信号导入预设的观测器中,得到目标电池组的荷电状态估计值;
若荷电状态估计值表征目标电池组存在传感器故障,则计算目标电池组中每两个相邻的电池单体的单体电压检测信号之间的相关系数;
根据各相关系数对电流传感器和每一电压传感器进行故障诊断。
该计算机可读存储介质中所存储的计算机指令,可以执行本申请如图2对应任意实施例中传感器故障诊断方法中的步骤,因此,可以实现本申请如图2对应任意实施例中传感器故障诊断方法所能实现的有益效果,详见前面的说明,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见上文针对其他实施例的详细描述,此处不再赘述。
具体实施时,以上各个单元或结构可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元或结构的具体实施可参见前面的实施例,在此不再赘述。
以上对本申请所提供的一种传感器故障诊断方法、装置、设备及存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种传感器故障诊断方法,其特征在于,用于对目标电池组中的电流传感器以及与所述目标电池组中串联的每一电池单体对应的电压传感器进行故障诊断,所述电流传感器用于采样所述目标电池组的总电流,所述电压传感器用于采样对应的电池单体的单体电压;所述方法包括:
获取所述电流传感器采样所述目标电池组的总电流得到的电流检测信号以及每一所述电压传感器采样对应的电池单体的单体电压得到的单体电压检测信号;
将各所述单体电压检测信号之和以及所述电流检测信号导入预设的观测器中,得到所述目标电池组的荷电状态估计值;
若所述荷电状态估计值表征所述目标电池组存在传感器故障,则计算所述目标电池组中每两个相邻的电池单体的单体电压检测信号之间的相关系数;
根据各所述相关系数对所述电流传感器和每一所述电压传感器进行故障诊断。
2.根据权利要求1所述的方法,其特征在于,所述根据各所述相关系数对所述电流传感器和每一所述电压传感器进行故障诊断,包括:
若各所述相关系数无异常,则确定各所述电压传感器无故障且所述电流传感器故障;
若各所述相关系数中存在相邻的两个相关系数异常,则确定同时与该相邻的两个相关系数关联的电池单体对应的所述电压传感器故障且所述电流传感器以及所述目标电池组中的其他电压传感器无故障。
3.根据权利要求1所述的方法,其特征在于,所述计算所述目标电池组中每两个相邻的电池单体的单体电压检测信号之间的相关系数,包括:
利用预设的滑动窗口对每两个相邻的电池单体的所述单体电压检测信号进行滤波处理,计算所述滑动窗口内的两单体电压检测信号之间的相关系数。
4.根据权利要求1所述的方法,其特征在于,所述将各所述单体电压检测信号之和以及所述电流检测信号导入预设的观测器中,得到所述目标电池组的荷电状态估计值,之前,所述方法还包括:
根据所述目标电池组的性能参数构建所述目标电池组的等效模型;
对所述目标电池组进行开路电压测试,得到所述目标电池组的开路电压,并建立所述开路电压与所述目标电池组的荷电状态间的关系;
对所述目标电池组进行模拟动态应力工况测试,得到模拟动态应力工况测试下的电压与电流对应关系,并根据所述电压与电流对应关系对所述等效模型中的模型参数进行辨识,确定所述模型参数与所述荷电状态间的定量关系;
根据所述开路电压与所述目标电池组的荷电状态间的关系以及所述模型参数与所述荷电状态间的定量关系建立所述观测器。
5.根据权利要求4所述的方法,其特征在于,所述对所述目标电池组进行开路电压测试,得到所述目标电池组的开路电压,包括:
对所述目标电池组中的每一电池单体进行涓流放电试验,得到每一所述电池单体对应的单体开路电压;
根据各所述单体开路电压之和,得到所述目标电池组的开路电压。
6.根据权利要求4所述的方法,其特征在于,所述根据所述电压与电流对应关系对所述等效模型中的模型参数进行辨识,包括:
根据所述电压与电流对应关系基于带遗传因子的递归最小二乘法、粒子群算法和遗传算法中的一种或多种算法对所述等效模型中的模型参数进行辨识。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述观测器基于扩展卡尔曼滤波算法、状态估计算法和数据驱动算法中的一种或多种算法对所述目标电池组的荷电状态进行估计,以得到所述目标电池组的荷电状态估计值。
8.一种传感器故障诊断装置,其特征在于,用于对目标电池组中的电流传感器以及与所述目标电池组中串联的每一电池单体对应的电压传感器进行故障诊断,所述电流传感器用于采样所述目标电池组的总电流,所述电压传感器用于采样对应的电池单体的单体电压;所述装置包括:
获取模块,用于获取所述电流传感器采样所述目标电池组的总电流得到的电流检测信号以及每一所述电压传感器采样对应的电池单体的单体电压得到的单体电压检测信号;
荷电状态估计模块,用于将各所述单体电压检测信号之和以及所述电流检测信号导入预设的观测器中,得到所述目标电池组的荷电状态估计值;
相关系数计算模块,用于若所述荷电状态估计值表征所述目标电池组存在传感器故障,则计算所述目标电池组中每两个相邻的电池单体的单体电压检测信号之间的相关系数;
诊断模块,用于根据各所述相关系数对所述电流传感器和每一所述电压传感器进行故障诊断。
9.一种传感器故障诊断设备,其特征在于,所述传感器故障诊断设备包括存储器和处理器,所述存储器用于存储计算机程序,所述计算机程序被所述处理器执行时,用于实现权利要求1-7任一项所述的传感器故障诊断方法。
10.一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上存储有计算机程序,所述计算机程序被处理器执行以实现权利要求1至7任一项所述的传感器故障诊断方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310126343.1A CN116203490A (zh) | 2023-02-16 | 2023-02-16 | 传感器故障诊断方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310126343.1A CN116203490A (zh) | 2023-02-16 | 2023-02-16 | 传感器故障诊断方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116203490A true CN116203490A (zh) | 2023-06-02 |
Family
ID=86512405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310126343.1A Pending CN116203490A (zh) | 2023-02-16 | 2023-02-16 | 传感器故障诊断方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116203490A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116699427A (zh) * | 2023-08-04 | 2023-09-05 | 中国华能集团清洁能源技术研究院有限公司 | 基于非冗余测量拓扑结构的电池故障诊断方法及装置 |
CN117148173A (zh) * | 2023-11-01 | 2023-12-01 | 中国华能集团清洁能源技术研究院有限公司 | 一种电池传感器故障诊断方法、装置及电子设备 |
-
2023
- 2023-02-16 CN CN202310126343.1A patent/CN116203490A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116699427A (zh) * | 2023-08-04 | 2023-09-05 | 中国华能集团清洁能源技术研究院有限公司 | 基于非冗余测量拓扑结构的电池故障诊断方法及装置 |
CN116699427B (zh) * | 2023-08-04 | 2023-12-01 | 中国华能集团清洁能源技术研究院有限公司 | 基于非冗余测量拓扑结构的电池故障诊断方法及装置 |
CN117148173A (zh) * | 2023-11-01 | 2023-12-01 | 中国华能集团清洁能源技术研究院有限公司 | 一种电池传感器故障诊断方法、装置及电子设备 |
CN117148173B (zh) * | 2023-11-01 | 2024-01-30 | 中国华能集团清洁能源技术研究院有限公司 | 一种电池传感器故障诊断方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3933422B1 (en) | Diagnosis method for distinguishing micro-short-circuit fault of battery from small-capacity fault of battery | |
EP2321663B1 (en) | Apparatus and method for estimating state of health of battery based on battery voltage variation pattern | |
US9927492B2 (en) | Cell monitoring apparatus, battery monitoring apparatus, integrated circuit and method of monitoring a rechargeable cell | |
CN116203490A (zh) | 传感器故障诊断方法、装置、设备及存储介质 | |
US8775106B2 (en) | Method for determining a parameter of at least one accumulator of a battery | |
US20150369875A1 (en) | Battery state estimating device | |
CN110376536B (zh) | 电池系统soh检测方法、装置、计算机设备和存储介质 | |
JP2015524048A (ja) | バッテリの充電状態の推定 | |
Li et al. | A weighted Pearson correlation coefficient based multi-fault comprehensive diagnosis for battery circuits | |
JP7463008B2 (ja) | 電池セル診断装置および方法 | |
CN113785209B (zh) | 用于检测异常电池单体的方法 | |
CN112098850A (zh) | 基于sdo算法的锂离子电池电压故障诊断方法及系统 | |
US20230236252A1 (en) | Methods and devices for estimating state of charge of battery, and extracting charging curve of battery | |
Liao et al. | Quantitative diagnosis of micro-short circuit for lithium-ion batteries considering aging based on incremental capacity curve | |
Lai et al. | A quantitative method for early-stage detection of the internal-short-circuit in Lithium-ion battery pack under float-charging conditions | |
CN116879764A (zh) | 一种电池故障诊断方法、装置及存储介质 | |
KR20210064770A (ko) | 차량 및 차량의 제어 방법 | |
KR20210141211A (ko) | 배터리를 진단하기 위한 장치 및 그 방법 | |
TWI810098B (zh) | 電池管理裝置、電池管理程式 | |
CN116047339A (zh) | 基于热电耦合模型的锂离子电池组soc估计方法及装置 | |
CN116400247A (zh) | 电池软短路故障的确定方法及装置 | |
CN116224073A (zh) | 电池soc估计方法、装置、设备、电池模组及存储介质 | |
Thobde et al. | State of Charge (SoC) Algorithm for Battery Management System (BMS) | |
CN112394290A (zh) | 电池包soh的估算方法、装置、计算机设备和存储介质 | |
KR102555776B1 (ko) | 배터리 성능진단을 위한 진단 알고리즘의 동작 방법 및 배터리 성능진단 시스템 |
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 |