CN116520171A - 电池热失控的预警策略确定方法及装置 - Google Patents
电池热失控的预警策略确定方法及装置 Download PDFInfo
- Publication number
- CN116520171A CN116520171A CN202310780939.3A CN202310780939A CN116520171A CN 116520171 A CN116520171 A CN 116520171A CN 202310780939 A CN202310780939 A CN 202310780939A CN 116520171 A CN116520171 A CN 116520171A
- Authority
- CN
- China
- Prior art keywords
- battery model
- battery
- thermal runaway
- preset
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000008859 change Effects 0.000 claims abstract description 86
- 230000002159 abnormal effect Effects 0.000 claims abstract description 70
- 238000007600 charging Methods 0.000 claims abstract description 63
- 238000007599 discharging Methods 0.000 claims abstract description 59
- 238000004088 simulation Methods 0.000 claims description 90
- 230000003068 static effect Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000011161 development Methods 0.000 abstract description 13
- 238000001514 detection method Methods 0.000 abstract description 10
- 230000008569 process Effects 0.000 description 16
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 14
- 229910001416 lithium ion Inorganic materials 0.000 description 14
- 238000004891 communication Methods 0.000 description 7
- 239000004973 liquid crystal related substance Substances 0.000 description 6
- 230000001066 destructive effect Effects 0.000 description 5
- 238000010277 constant-current charging Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000000178 monomer Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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]
- G01R31/385—Arrangements for measuring battery or accumulator 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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- 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
Abstract
本申请涉及热失控检测技术领域，提供一种电池热失控的预警策略确定方法及装置。所述方法包括：根据预设充电工况和预设放电工况，对各单体电池模型进行至少一次充放电循环的仿真，得到各所述单体电池模型的参数变化数据；根据各所述单体电池模型中存在热失控的异常电池模型的参数变化数据，以及所述异常电池模型模拟的故障参数，得到电池热失控的预警策略；其中，所述参数变化数据包括电压变化数据或荷电状态数据中的至少一种。本申请实施例提供的电池热失控的预警策略确定方法能够缩短预警策略的开发周期和开发成本，提高电池热失控的检测效率。
Description
技术领域
本申请涉及热失控检测技术领域，具体涉及一种电池热失控的预警策略确定方法及装置。
背景技术
电池作为电动汽车的核心部件，是一个高能量密度的电化学产品，在复杂多变的使用工况下频繁使用可能会使电池性能和安全性产生劣化。随着不同程度的劣化累积，经过长时间运行后可能会发生电池内短路，进而触发热失控，因此对电池早期热失控预警策略的开发至关重要。
相关技术中，对于电池热失控的预警策略确定，通常是通过真实电池模块对其进行破坏性模拟，如针刺、加热、增加外接内短路电阻等。然而，这种预警策略的确定方式成本较高，且周期较长，影响电池热失控的检测效率。
发明内容
本申请旨在至少解决相关技术中存在的技术问题之一。为此，本申请提出一种电池热失控的预警策略确定方法，能够缩短预警策略的开发周期和开发成本，提高电池热失控的检测效率。
本申请还提出一种电池热失控的预警策略确定装置。
本申请还提出一种电子设备。
本申请还提出一种计算机可读存储介质。
根据本申请第一方面实施例的电池热失控的预警策略确定方法，包括：
根据预设充电工况和预设放电工况，对各单体电池模型进行至少一次充放电循环的仿真，得到各所述单体电池模型的参数变化数据；
根据各所述单体电池模型中存在热失控的异常电池模型的参数变化数据，以及所述异常电池模型模拟的故障参数，得到电池热失控的预警策略；
其中，所述参数变化数据包括电压变化数据或荷电状态数据中的至少一种。
通过预设充电工况和预设放电工况，对各单体电池模型进行至少一次充放电循环的仿真，得到各单体电池模型的参数变化数据后，基于热失控的异常电池模型的参数变化数据以及该异常电池模型的故障参数，来达到电池热失控的预警策略，从而可利用对单体电池模型的充放电仿真，来基于异常电池模型的参数变化数据和故障参数，快速确定电池热失控的预警策略，无需对真实电池模块进行破坏性模拟，缩短了预警策略的开发周期，减少了开发成本，进而提高了电池热失控的检测效率。
根据本申请的一个实施例，根据预设充电工况和预设放电工况，对各单体电池模型进行至少一次充放电循环的仿真，包括：
在处于所述预设充电工况的情况下，对所述单体电池模型进行充电仿真，直至所述单体电池模型的充电电压达到充电截止电压，对所述单体电池模型进行静置仿真；
确定所述静置仿真的仿真时长达到第一静置时长，切换至所述预设放电工况对所述单体电池模型进行放电仿真。
根据本申请的一个实施例，所述第一静置时长根据所述预设充电工况中的充电电量和充电时长确定。
根据本申请的一个实施例，根据预设充电工况和预设放电工况，对各单体电池模型进行至少一次充放电循环的仿真，包括：
在处于所述预设放电工况的情况下，对所述单体电池模型进行放电仿真，直至所述单体电池模型的放电电压达到放电截止电压，对所述单体电池模型进行静置仿真；
确定所述静置仿真的仿真时长达到第二静置时长，切换至所述预设充电工况对所述单体电池模型进行充电仿真。
根据本申请的一个实施例，所述第二静置时长根据所述预设放电工况中的放电电量和放电时长确定。
根据本申请的一个实施例，根据各所述单体电池模型中存在热失控的异常电池模型的参数变化数据，以及所述异常电池模型模拟的故障参数，得到电池热失控的预警策略，包括：
根据所述异常电池模型的参数变化数据，确定所述异常电池模型的参数变化数据与预设参数变化数据在至少一个目标时刻的参数差；
根据任一目标时刻的参数差以及所述异常电池模型模拟的故障参数，得到基于任一目标时刻的参数差确定故障参数的电池热失控的预警策略；
其中，所述预设参数变化数据根据各所述单体电池模型的参数变化数据确定。
根据本申请的一个实施例，所述单体电池模型通过一阶RC模型构建。
根据本申请第二方面实施例的电池热失控的预警策略确定装置，包括：
变化数据获取模块，用于根据预设充电工况和预设放电工况，对各单体电池模型进行至少一次充放电循环的仿真，得到各所述单体电池模型的参数变化数据；
预警策略确定模块，用于根据各所述单体电池模型中存在热失控的异常电池模型的参数变化数据，以及所述异常电池模型模拟的故障参数，得到电池热失控的预警策略；
其中，所述参数变化数据包括电压变化数据或荷电状态数据中的至少一种。
根据本申请第三方面实施例的电子设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述计算机程序时实现上述任一实施例所述的电池热失控的预警策略确定方法。
根据本申请第四方面实施例的计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一实施例所述的电池热失控的预警策略确定方法。
本申请实施例中的上述一个或多个技术方案，至少具有如下技术效果之一：
通过预设充电工况和预设放电工况，对各单体电池模型进行至少一次充放电循环的仿真，得到各单体电池模型的参数变化数据后，基于热失控的异常电池模型的参数变化数据以及该异常电池模型的故障参数，来达到电池热失控的预警策略，从而可利用对单体电池模型的充放电仿真，来基于异常电池模型的参数变化数据和故障参数，快速确定电池热失控的预警策略，无需对真实电池模块进行破坏性模拟，缩短了预警策略的开发周期，减少了开发成本，进而提高了电池热失控的检测效率。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的电池热失控的预警策略确定方法的第一流程示意图；
图2是本申请实施例提供的电池热失控的预警策略确定方法的第二流程示意图；
图3是本申请实施例提供的电池热失控的预警策略确定方法的第三流程示意图；
图4是本申请实施例提供的电池热失控的预警策略确定方法的第四流程示意图；
图5是本申请实施例提供的电池热失控的预警策略确定装置的结构示意图；
图6是本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，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，都属于本申请保护的范围。
下面，将通过几个具体的实施例对本申请实施例提供的电池热失控的预警策略确定方法及装置进行详细介绍和说明。
在一实施例中，提供了一种电池热失控的预警策略确定方法，该方法应用于终端设备，用于确定电池热失控的预警策略。其中，该终端设备可以是台式终端、便携式终端或服务器，服务器可以是独立的服务器或者是多个服务器组成的服务器集群来实现，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能采样点设备等基础云计算服务的云服务器。
如图1所示，本实施例提供的一种电池热失控的预警策略确定方法包括：
步骤101，根据预设充电工况和预设放电工况，对各单体电池模型进行至少一次充放电循环的仿真，得到各所述单体电池模型的参数变化数据；
步骤102，根据各所述单体电池模型中存在热失控的异常电池模型的参数变化数据，以及所述异常电池模型模拟的故障参数，得到电池热失控的预警策略；
其中，所述参数变化数据包括电压变化数据或荷电状态数据中的至少一种。
在一些实施例中，在需要确定电池热失控的预警策略时，可先导入需要验证的充放电循环工况，该充放电循环工况包括预设充电工况和预设放电工况。其中，预设充电工况可以包括采用的充电电流以及充电方式等参数中的至少一个。如预设充电工况可以设定为采用1/3C的恒流充电/阶梯充电方式进行充电。预设放电工况可以是恒流放电工况，如采用预设放电电流的恒流放电方式进行放电，也可以是实车放电工况，如获取实际车辆的电池放电工况，作为预设放电工况。
在确定预设充电工况和预设放电工况后，即可通过预设充电工况和预设放电工况，各单体电池模型进行至少一次充放电循环的仿真。示例性的，假设预设充电工况和预设放电工况分别为1800s的实车放电工况和1/3C的恒流充电工况，则控制各单体电池模型在这两种工况之间进行切换，以对各单体电池模型进行充放电循环的仿真。其中，充放电循环，是指对单体电池模型进行满充满放的循环。
而为使充放电循环的仿真更接近实际情况，以使后续确定的预警策略更为准确，在一些实施例中，各单体电池模型的电池参数可不一致，以模拟实际电池包单体电池之间的不一致性，从而使充放电循环的仿真更接近实际情况。其中，电池参数可以包括电池电压以及电池内阻等电池内部参数。
而为使对各单体电池模型的充放电仿真更为准确，在一些实施例中，单体电池模型可采用一阶RC模型构建。示例性的，单体电池模型可以为：
其中，表示/>和/>两端的电压，/>表示通过/>的电流，/>表示电池的端电压，时间常数/>，/>表示电池的极化内阻，/>表示电池的极化电容，/>表示电池的欧姆内阻。/>、/>以及/>等电池的内部参数可通过电池HPPC测试离线标定获得。
考虑到单体电池模型需要利用电池SOC（State of Charge，荷电状态）进行构建，即电池的SOC的准确性会影响到单体电池模型构建的准确性，从而影响到充放电仿真的准确性。因此为进一步提高各单体电池模型的充放电仿真的准确性，单体电池模型中的电池SOC的计算可通过电池剩余电量和电池容量的关系确定，其中电池剩余电量的模型为：
其中，是电池i的剩余电量；/>表示电池i的初始SOC，即进行充放电之前的SOC，/>表示电池i的初始容量，即进行充放电之前的电池容量；/>表示电池自放电损失的容量，其值由自放电模型给出；积分项/>为安时积分，其中/>为库伦效率，充电时，/>，放电时，/>，其值由库仑效率模型给出；/>表示均衡电流，充电均衡值为正，放电均衡值为负；/>表示漏电电流，其值为电压值与短路电阻值之比。
在通过上述模型得到电池当前剩余容量后，则根据SOC定义得：
其中，表示当前的电池总容量。考虑到耐久性的影响，/>的值可由电池的容量衰减模型确定，该容量衰减模型可通过对电池进行大量的充放电实验得到。
通过构建电池剩余电量的模型来确定电池的剩余电量，并根据电池的剩余电量和当前电池的总容量，来得到电池的SOC，使获取到的电池的SOC更为准确，从而使基于电池的SOC构建的单体电池模型的准确性提高，进而进一步提高后续进行单体电池模型的充放电仿真的准确性。
在完成单体电池模型的构建后，即可对单体电池模型进行至少一次充放电循环。在对单体电池模型进行至少一次充放电循环的仿真过程中，可对单体电池模型的参数变化进行记录，以得到该单体电池模型随时间变化的参数变化数据。如可在单体电池模型进行充放电循环的过程中，对单体电池模型的电压变化和/或SOC变化进行记录，以得到该单体电池模型随时间变化的电压变化数据和/或荷电状态数据作为该单体电池模型的参数变化数据。
在一些实施例中，各单体电池模型中可以包括至少一个利用存在热失控的电池的电池参数构建的异常电池模型，以及至少一个利用不存在热失控的电池的电池参数构建的正常电池模型。示例性的，可以构建8个单体电池模型，其中第3个单体电池模型为模拟存在热失控的电池模型，其故障参数可以是内短路电阻为10Ω，即该单体电池模型用于模拟存在内短路故障，且故障参数为内短路电阻10Ω的热失控电池。其他单体电池模型可为模拟不存在热失控，即内短路电阻为无穷大Inf的电池模型。即这8个单体电池模型的参数可以为ISCRes=[Inf Inf 10 Inf Inf Inf Inf Inf]。
在得到各单体电池模型的参数变化数据后，由于各单体电池模型中异常电池模型的故障参数已知，因此可基于异常电池模型的参数变化数据和其对应的故障参数，来得到电池热失控的预警策略。
示例性的，可先根据异常电池模型的电压和/或SOC变化数据，确定异常电池模型在任一时段t的电压值和/或SOC值，以将异常电池模型在任一时段t的电压值和/或SOC值，作为在该时段t的预设值。假设异常电池模型的故障参数为10Ω，则可确定预警策略为：当电池的电压在时段t达到预设值，进行表示电池存在10Ω内短路故障的热失控预警。这样，便可基于异常电池模型任一时段的电压值和/或SOC值，以及异常电池模型的故障参数，来确定任一时段的电池热失控预警策略。
通过预设充电工况和预设放电工况，对各单体电池模型进行至少一次充放电循环的仿真，得到各单体电池模型的参数变化数据后，基于热失控的异常电池模型的参数变化数据以及该异常电池模型的故障参数，来达到电池热失控的预警策略，从而可利用对单体电池模型的充放电仿真，来基于异常电池模型的参数变化数据和故障参数，快速确定电池热失控的预警策略，无需对真实电池模块进行破坏性模拟，缩短了预警策略的开发周期，减少了开发成本，进而提高了电池热失控的检测效率。
为使提高获取到的参数变化数据的准确性，在一些实施例中，如图2所示，根据预设充电工况和预设放电工况，对各单体电池模型进行至少一次充放电循环的仿真，包括：
步骤201，在处于所述预设充电工况的情况下，对所述单体电池模型进行充电仿真，直至所述单体电池模型的充电电压达到充电截止电压，对所述单体电池模型进行静置仿真；
步骤202，确定所述静置仿真的仿真时长达到第一静置时长，切换至所述预设放电工况对所述单体电池模型进行放电仿真。
在一些实施例中，若单体电池模型处于预设充电工况，则表示为对单体电池模型进行充电仿真。而为避免电池出现过充，影响电池安全，电池通常会设置一个充电截止电压，因此在对单体电池模型进行充电仿真时，可检测单体电池模型的充电电压是否达到充电截止电压。若是，则表示单体电池模型完成充电仿真，此时则停止对单体电池模型进行充电。
由于电池在充电时，电芯中锂离子的运动过程均需要耗费一定的时间。若在完成充电工况后，直接切换至放电工况，则可能因锂离子还未完成从正极脱嵌并嵌入负极这一运动过程，而导致检测到的参数变化数据存在误差，进而影响后续得到的预警策略的准确性。因此，为使得到的参数变化数据更为准确，在单体电池模型完成充电仿真后，可对该单体电池模型进行静置，直至该单体电池模型的静置时长达到第一静置时长，如600S后，再切换至预设放电工况对单体电池模型进行放电仿真。从而可利用该第一静置时长模拟让锂离子从正极脱嵌并嵌入负极的过程，减少仿真过程中未完成从正极脱嵌并嵌入负极的锂离子的数量，进而使充放电循环的仿真过程中得到的参数变化数据更为准确。
在一些实施例中，由于对于不同的充电电量和充电时长，从正极脱嵌并嵌入负极的锂离子数量不同，因此可根据预设充电工况中的充电电量和充电时长，来确定该第一静置时长。示例性的，可通过大量实验的方式，来预先确定在利用某个充电电量和充电时长完成单体电池充电的时间点，到电压/SOC不再变化或变化小于阈值的时间点之间的间隔时长，作为第一静置时长。这样，可以使得在该第一静置时长内，能够模拟大部分的锂离子从正极脱嵌并嵌入负极的过程，以使充放电循环的仿真过程中得到的参数变化数据更为准确。
同理，在一些实施例中，如图3所示，根据预设充电工况和预设放电工况，对各单体电池模型进行至少一次充放电循环的仿真，包括：
步骤301，在处于所述预设放电工况的情况下，对所述单体电池模型进行放电仿真，直至所述单体电池模型的放电电压达到放电截止电压，对所述单体电池模型进行静置仿真；
步骤302，确定所述静置仿真的仿真时长达到第二静置时长，切换至所述预设充电工况对所述单体电池模型进行充电仿真。
在一些实施例中，若单体电池模型处于预设放电工况，则表示为对单体电池模型进行放电仿真。而为避免电池出现过放电，影响电池安全，电池通常会设置一个放电截止电压，因此在对单体电池模型进行放电仿真时，可检测单体电池模型的放电电压是否达到放电截止电压。若是，则表示单体电池模型完成放电仿真，此时则停止对单体电池模型进行放电。
由于电池在放电时，电芯中锂离子的运动过程均需要耗费一定的时间。若在完成放电工况后，直接切换至充电工况，则可能因锂离子还未完成从负极脱嵌并嵌入正极这一运动过程，而导致检测到的参数变化数据存在误差，进而影响后续得到的预警策略的准确性。因此，为使得到的参数变化数据更为准确，在单体电池模型完成放电仿真后，可对该单体电池模型进行静置，直至该单体电池模型的静置时长达到第二静置时长，再切换至预设充电工况对单体电池模型进行充电仿真。从而可利用该第二静置时长模拟让锂离子从负极脱嵌并嵌入正极的过程，减少仿真过程中未完成从负极脱嵌并嵌入正极的锂离子的数量，进而使充放电循环的仿真过程中得到的参数变化数据更为准确。其中，第二静置时长可以与第一静置时长相同，也可以与第二静置时长不同。
在一些实施例中，由于对于不同的放电电量和放电时长，从负极脱嵌并嵌入正极的锂离子数量不同，因此可根据预设放电工况中的放电电量和放电时长，来确定该第二静置时长。示例性的，可通过大量实验的方式，来预先确定在利用某个放电电量和放电时长完成单体电池放电的时间点，到电压/SOC不再变化或变化小于阈值的时间点之间的间隔时长，作为第二静置时长。这样，可以使得在该第二静置时长内，能够模拟大部分的锂离子从负极脱嵌并嵌入正极的过程，以使充放电循环的仿真过程中得到的参数变化数据更为准确。
示例性的，可以导入1800s的实车放电工况和1/3C的恒流充电工况进行充放电循环的仿真，充放电之间的第一静置时长和第二静置时长均设定为600s。设定总仿真时间为T，则充放电循环的次数为：
N=T/（1800+3*3600+2*600）
在完成充放电循环的仿真后，即可利用仿真过程中得到的异常电池模型的参数变化数据，以及该异常电池模型模拟的故障参数，来确定电池热失控的预警策略。
而为提高预警策略的准确性，在一些实施例中，如图4所示，根据各所述单体电池模型中存在热失控的异常电池模型的参数变化数据，以及所述异常电池模型模拟的故障参数，得到电池热失控的预警策略，包括：
步骤401，根据所述异常电池模型的参数变化数据，确定所述异常电池模型的参数变化数据与预设参数变化数据在至少一个目标时刻的参数差；
步骤402，根据任一目标时刻的参数差以及所述异常电池模型模拟的故障参数，得到基于任一目标时刻的参数差确定故障参数的电池热失控的预警策略；
其中，所述预设参数变化数据根据各所述单体电池模型的参数变化数据确定。
在一些实施例中，在对各单体电池模型进行充放电循环的仿真后，即可以得到异常电池模型的SOC变化曲线，以及各单体电池模型的平均SOC变化曲线。由仿真结果可知，异常电池模型的SOC变化曲线在某些时刻的SOC数值，要低于平均SOC变化曲线在该时刻的SOC数值。此外，经过电压的对比，也可确定异常电池模型的电压变化曲线在某些时刻的电压数值，要低于平均电压变化曲线在该时刻的电压数值。因此，可以预先设定一个目标时刻t1，该目标时刻t1可以为任意时刻。在得到各单体电池模型的参数变化数据后，可先对电池组中所有单体电池模型的参数变化数据进行求平均，来得到预设参数变化数据。然后从预设参数变化数据中，提取目标时刻t1的参数数据作为第一参数数据，以及从各单体电池模型的平均参数变化数据中，提取目标时刻t1的参数数据作为第二参数数据后，计算第一参数数据与第二参数数据之间的差值，并将第一参数数据与第二参数数据之间的差值的绝对值，作为异常电池模型的参数变化数据与预设参数变化数据在目标时刻t1的参数差。
而为进一步提高预警策略的准确性，在一些实施例中，在得到第一参数数据与第二参数数据之间在目标时刻t1的差值后，可先判断该差值是否大于预设值。若第一参数数据与第二参数数据之间的差值大于预设值，则将第一参数数据与第二参数数据之间的差值的绝对值，作为异常电池模型的参数变化数据与预设参数变化数据在目标时刻t1的参数差。其中，预设值可以是正常电池模型在目标时刻t1的参数数据，与预设参数变化数据在目标时刻t1的参数数据的差值的绝对值。示例性的，可以将多个正常电池模型在目标时刻t1的参数数据，与预设参数变化数据在目标时刻t1的参数数据做差，来得到多个对应的差值，然后从这多个差值的绝对值中，选择数值最大的绝对值作为预设值。
在确定该参数差后，即可将该参数差作为目标时刻t1的阈值，以根据该阈值和异常电池模型的故障参数，来确定目标时刻t1的预警策略。作为一种可能的实施方式，假设异常电池模型的故障参数为内短路电阻10Ω，目标时刻t1的阈值为电压值,则该电池热失控的预警策略可以为：
若在目标时刻t1，，则电池出现内短路电阻为10Ω的内短路故障。其中，/>表示单体电池的单体电压，/>表示单体电池所在的电池组中，各单体电池的平均单体电压。
由于参数变化数据通常还包括SOC变化数据，因此作为另一种可能的实施方式，假设异常电池模型的故障参数为内短路电阻10Ω，目标时刻t1的阈值为荷电状态值,则该电池热失控的预警策略可以为：
若在目标时刻t1，，则电池出现内短路电阻为10Ω的内短路故障。其中，/>表示单体电池在t1时刻的单体SOC，/>表示单体电池所在的电池组中，各单体电池在t1时刻的平均SOC。
通过异常电池模型的参数变化数据，确定异常电池模型的参数变化数据与预设参数变化数据在至少一个目标时刻的参数差，以利用任一目标时刻的参数差以及异常电池模型模拟的故障参数，来得到基于任一目标时刻的参数差确定故障参数的电池热失控的预警策略，从而可使确定的预警策略更为精确，进而提高利用预警策略进行电池热失控检测的准确性。
同时，还针对电池的不同参数，如电压和SOC，分别设定对应的预警策略，使设定的预警策略能够覆盖不同的电池参数情况和不同充放电时刻，提高预警策略的覆盖面，进而进一步提高后续利用预警策略进行电池热失控检测的准确性。
下面对本申请提供的电池热失控的预警策略确定装置进行描述，下文描述的电池热失控的预警策略确定装置与上文描述的电池热失控的预警策略确定方法可相互对应参照。
在一实施例中，如图5所示，提供了一种电池热失控的预警策略确定装置，包括：
变化数据获取模块210，用于根据预设充电工况和预设放电工况，对各单体电池模型进行至少一次充放电循环的仿真，得到各所述单体电池模型的参数变化数据；
预警策略确定模块220，用于根据各所述单体电池模型中存在热失控的异常电池模型的参数变化数据，以及所述异常电池模型模拟的故障参数，得到电池热失控的预警策略；
其中，所述参数变化数据包括电压变化数据或荷电状态数据中的至少一种。
通过预设充电工况和预设放电工况，对各单体电池模型进行至少一次充放电循环的仿真，得到各单体电池模型的参数变化数据后，基于热失控的异常电池模型的参数变化数据以及该异常电池模型的故障参数，来达到电池热失控的预警策略，从而可利用对单体电池模型的充放电仿真，来基于异常电池模型的参数变化数据和故障参数，快速确定电池热失控的预警策略，无需对真实电池模块进行破坏性模拟，缩短了预警策略的开发周期，减少了开发成本，进而提高了电池热失控的检测效率。
在一实施例中，变化数据获取模块210具体用于：
在处于所述预设充电工况的情况下，对所述单体电池模型进行充电仿真，直至所述单体电池模型的充电电压达到充电截止电压，对所述单体电池模型进行静置仿真；
确定所述静置仿真的仿真时长达到第一静置时长，切换至所述预设放电工况对所述单体电池模型进行放电仿真。
在一实施例中，所述第一静置时长根据所述预设充电工况中的充电电量和充电时长确定。
在一实施例中，变化数据获取模块210具体用于：
在处于所述预设放电工况的情况下，对所述单体电池模型进行放电仿真，直至所述单体电池模型的放电电压达到放电截止电压，对所述单体电池模型进行静置仿真；
确定所述静置仿真的仿真时长达到第二静置时长，切换至所述预设充电工况对所述单体电池模型进行充电仿真。
在一实施例中，所述第二静置时长根据所述预设放电工况中的放电电量和放电时长确定。
在一实施例中，预警策略确定模块220具体用于：
根据所述异常电池模型的参数变化数据，确定所述异常电池模型的参数变化数据与预设参数变化数据在至少一个目标时刻的参数差；
根据任一目标时刻的参数差以及所述异常电池模型模拟的故障参数，得到基于任一目标时刻的参数差确定故障参数的电池热失控的预警策略；
其中，所述预设参数变化数据根据各所述单体电池模型的参数变化数据确定。
在一实施例中，所述单体电池模型通过一阶RC模型构建。
图6示例了一种电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器（processor）810、通信接口（Communication Interface）820、存储器（memory）830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的计算机程序，以执行电池热失控的预警策略确定方法，例如包括：
根据预设充电工况和预设放电工况，对各单体电池模型进行至少一次充放电循环的仿真，得到各所述单体电池模型的参数变化数据；
根据各所述单体电池模型中存在热失控的异常电池模型的参数变化数据，以及所述异常电池模型模拟的故障参数，得到电池热失控的预警策略；
其中，所述参数变化数据包括电压变化数据或荷电状态数据中的至少一种。
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本申请实施例还提供一种存储介质，存储介质包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，计算机程序被处理器执行时，计算机能够执行上述各实施例所提供的电池热失控的预警策略确定方法，例如包括：
根据预设充电工况和预设放电工况，对各单体电池模型进行至少一次充放电循环的仿真，得到各所述单体电池模型的参数变化数据；
根据各所述单体电池模型中存在热失控的异常电池模型的参数变化数据，以及所述异常电池模型模拟的故障参数，得到电池热失控的预警策略；
其中，所述参数变化数据包括电压变化数据或荷电状态数据中的至少一种。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种电池热失控的预警策略确定方法，其特征在于，包括：
根据预设充电工况和预设放电工况，对各单体电池模型进行至少一次充放电循环的仿真，得到各所述单体电池模型的参数变化数据；
根据各所述单体电池模型中存在热失控的异常电池模型的参数变化数据，以及所述异常电池模型模拟的故障参数，得到电池热失控的预警策略；
其中，所述参数变化数据包括电压变化数据或荷电状态数据中的至少一种。
2.根据权利要求1所述的电池热失控的预警策略确定方法，其特征在于，根据预设充电工况和预设放电工况，对各单体电池模型进行至少一次充放电循环的仿真，包括：
在处于所述预设充电工况的情况下，对所述单体电池模型进行充电仿真，直至所述单体电池模型的充电电压达到充电截止电压，对所述单体电池模型进行静置仿真；
确定所述静置仿真的仿真时长达到第一静置时长，切换至所述预设放电工况对所述单体电池模型进行放电仿真。
3.根据权利要求2所述的电池热失控的预警策略确定方法，其特征在于，所述第一静置时长根据所述预设充电工况中的充电电量和充电时长确定。
4.根据权利要求1-3任意一项所述的电池热失控的预警策略确定方法，其特征在于，根据预设充电工况和预设放电工况，对各单体电池模型进行至少一次充放电循环的仿真，包括：
在处于所述预设放电工况的情况下，对所述单体电池模型进行放电仿真，直至所述单体电池模型的放电电压达到放电截止电压，对所述单体电池模型进行静置仿真；
确定所述静置仿真的仿真时长达到第二静置时长，切换至所述预设充电工况对所述单体电池模型进行充电仿真。
5.根据权利要求4所述的电池热失控的预警策略确定方法，其特征在于，所述第二静置时长根据所述预设放电工况中的放电电量和放电时长确定。
6.根据权利要求1所述的电池热失控的预警策略确定方法，其特征在于，根据各所述单体电池模型中存在热失控的异常电池模型的参数变化数据，以及所述异常电池模型模拟的故障参数，得到电池热失控的预警策略，包括：
根据所述异常电池模型的参数变化数据，确定所述异常电池模型的参数变化数据与预设参数变化数据在至少一个目标时刻的参数差；
根据任一目标时刻的参数差以及所述异常电池模型模拟的故障参数，得到基于任一目标时刻的参数差确定故障参数的电池热失控的预警策略；
其中，所述预设参数变化数据根据各所述单体电池模型的参数变化数据确定。
7.根据权利要求1、2、3、5或6所述的电池热失控的预警策略确定方法，其特征在于，所述单体电池模型通过一阶RC模型构建。
8.一种电池热失控的预警策略确定装置，其特征在于，包括：
变化数据获取模块，用于根据预设充电工况和预设放电工况，对各单体电池模型进行至少一次充放电循环的仿真，得到各所述单体电池模型的参数变化数据；
预警策略确定模块，用于根据各所述单体电池模型中存在热失控的异常电池模型的参数变化数据，以及所述异常电池模型模拟的故障参数，得到电池热失控的预警策略；
其中，所述参数变化数据包括电压变化数据或荷电状态数据中的至少一种。
9.一种电子设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的电池热失控的预警策略确定方法。
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权利要求1至7任一项所述的电池热失控的预警策略确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310780939.3A CN116520171A (zh) | 2023-06-29 | 2023-06-29 | 电池热失控的预警策略确定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310780939.3A CN116520171A (zh) | 2023-06-29 | 2023-06-29 | 电池热失控的预警策略确定方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116520171A true CN116520171A (zh) | 2023-08-01 |
Family
ID=87399743
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310780939.3A Pending CN116520171A (zh) | 2023-06-29 | 2023-06-29 | 电池热失控的预警策略确定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116520171A (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110350258A (zh) * | 2019-06-17 | 2019-10-18 | 广东恒翼能科技有限公司 | 一种锂电池热失控预警保护系统及方法 |
| CN110398699A (zh) * | 2019-06-26 | 2019-11-01 | 清华大学 | 多传感器信息融合的动力电池热失控预警方法 |
| CN110927582A (zh) * | 2019-11-13 | 2020-03-27 | 上海理工大学 | 一种基于多种sigma点的锂电池SOC估计方法 |
| CN110943261A (zh) * | 2019-10-30 | 2020-03-31 | 江苏芯云电子科技有限公司 | 针对动力锂离子电池组的热失控监控装置及其方法 |
| CN111890988A (zh) * | 2020-07-15 | 2020-11-06 | 广州小鹏车联网科技有限公司 | 电池热失控检测方法、装置、电池管理系统以及车辆 |
| CN112886082A (zh) * | 2021-01-12 | 2021-06-01 | 中国汽车技术研究中心有限公司 | 动力电池热失控预警方法、装置、电子设备及介质 |
| CN114035053A (zh) * | 2021-11-11 | 2022-02-11 | 合肥工业大学 | 一种锂电池热失控预警方法及其系统 |
| CN115184814A (zh) * | 2022-09-07 | 2022-10-14 | 江铃汽车股份有限公司 | 动力电池包寿命预测方法、装置、可读存储介质及设备 |
| CN115799690A (zh) * | 2022-11-17 | 2023-03-14 | 厦门海辰储能科技股份有限公司 | 一种储能设备的运行方法及系统 |
| CN116142029A (zh) * | 2023-04-07 | 2023-05-23 | 北京新能源汽车股份有限公司 | 一种动力电池安全预警方法、装置及汽车 |
| CN116165549A (zh) * | 2023-03-30 | 2023-05-26 | 上海玫克生储能科技有限公司 | 一种电池安全预警方法、装置及电子设备 |
-
2023
- 2023-06-29 CN CN202310780939.3A patent/CN116520171A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110350258A (zh) * | 2019-06-17 | 2019-10-18 | 广东恒翼能科技有限公司 | 一种锂电池热失控预警保护系统及方法 |
| CN110398699A (zh) * | 2019-06-26 | 2019-11-01 | 清华大学 | 多传感器信息融合的动力电池热失控预警方法 |
| CN110943261A (zh) * | 2019-10-30 | 2020-03-31 | 江苏芯云电子科技有限公司 | 针对动力锂离子电池组的热失控监控装置及其方法 |
| CN110927582A (zh) * | 2019-11-13 | 2020-03-27 | 上海理工大学 | 一种基于多种sigma点的锂电池SOC估计方法 |
| CN111890988A (zh) * | 2020-07-15 | 2020-11-06 | 广州小鹏车联网科技有限公司 | 电池热失控检测方法、装置、电池管理系统以及车辆 |
| CN112886082A (zh) * | 2021-01-12 | 2021-06-01 | 中国汽车技术研究中心有限公司 | 动力电池热失控预警方法、装置、电子设备及介质 |
| CN114035053A (zh) * | 2021-11-11 | 2022-02-11 | 合肥工业大学 | 一种锂电池热失控预警方法及其系统 |
| CN115184814A (zh) * | 2022-09-07 | 2022-10-14 | 江铃汽车股份有限公司 | 动力电池包寿命预测方法、装置、可读存储介质及设备 |
| CN115799690A (zh) * | 2022-11-17 | 2023-03-14 | 厦门海辰储能科技股份有限公司 | 一种储能设备的运行方法及系统 |
| CN116165549A (zh) * | 2023-03-30 | 2023-05-26 | 上海玫克生储能科技有限公司 | 一种电池安全预警方法、装置及电子设备 |
| CN116142029A (zh) * | 2023-04-07 | 2023-05-23 | 北京新能源汽车股份有限公司 | 一种动力电池安全预警方法、装置及汽车 |
Non-Patent Citations (2)
| Title |
|---|
| 樊珂: "电动汽车用动力锂电池SOC估计算法研究综述", 《系统仿真技术及应用》, pages 340 - 346 * |
| 王天瑞: "《火灾调查专业技能--全国比武单项科目解析》", 机械工业出版社, pages: 30 - 32 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109932661B (zh) | 一种电池状态监测方法及装置 | |
| CN109596993B (zh) | 锂离子电池荷电状态检测的方法 | |
| Cheng et al. | State‐of‐charge estimation with aging effect and correction for lithium‐ion battery | |
| CN110018422B (zh) | 一种电池管理方法及装置 | |
| CN112285583B (zh) | 电芯最大容量的测试方法、测试装置和测试系统 | |
| CN115114878B (zh) | 一种储能电站电池寿命在线预测方法、装置及存储介质 | |
| CN112733427A (zh) | 锂离子电池的负极电位估算模型建立方法及计算机设备 | |
| CN110673048B (zh) | 一种电池内短路阻值辨识方法 | |
| CN113125981B (zh) | 电池静置方法、装置、电子设备和存储介质 | |
| CN116520171A (zh) | 电池热失控的预警策略确定方法及装置 | |
| CN116404281A (zh) | 电池功率map切换方法、系统、存储介质及切换设备 | |
| CN114726037A (zh) | 一种电池全时均衡的控制方法和电子设备 | |
| CN112666481B (zh) | 一种电池寿命检测方法及装置 | |
| CN112541260B (zh) | 一种电池均衡控制方法、系统、存储介质及电子设备 | |
| CN112305439B (zh) | 电池寿命测试方法、装置及可读存储介质 | |
| CN114611836A (zh) | 一种储能电池风险预测方法、装置、介质及设备 | |
| CN112114260A (zh) | 一种锂离子电池单体过充电稳定性的测试及评价方法 | |
| CN112611973A (zh) | 一种电池健康状态估算方法、系统、设备和存储介质 | |
| Yang et al. | Neural network based SOC estimation during cycle aging using voltage and internal resistance | |
| CN116505621B (zh) | 电池的均衡控制方法及装置 | |
| CN113447842B (zh) | 一种电池模型参数在线辨识的方法与系统 | |
| CN117347888B (zh) | 电池均衡仪载荷测量方法、装置、计算机设备及存储介质 | |
| CN113540581B (zh) | 一种锂离子电芯一致性的确定方法和系统 | |
| CN115542180B (zh) | 电池系统功率估计方法、装置、设备及存储介质 | |
| CN117826004A (zh) | 一种动力电池均衡功能的验证方法、装置、车辆及介质 |
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 |