CN116930786A - 电池动态异常检测方法、装置、存储介质及电子设备 - Google Patents
电池动态异常检测方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116930786A CN116930786A CN202311098153.XA CN202311098153A CN116930786A CN 116930786 A CN116930786 A CN 116930786A CN 202311098153 A CN202311098153 A CN 202311098153A CN 116930786 A CN116930786 A CN 116930786A
- Authority
- CN
- China
- Prior art keywords
- charge
- battery pack
- determining
- battery
- states
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 65
- 230000005856 abnormality Effects 0.000 title claims abstract description 55
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 45
- 230000002159 abnormal effect Effects 0.000 claims abstract description 34
- 239000000178 monomer Substances 0.000 claims abstract description 26
- 208000028659 discharge Diseases 0.000 claims description 87
- 238000012545 processing Methods 0.000 claims description 12
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 14
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000010287 polarization Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000007599 discharging Methods 0.000 description 5
- 230000003068 static effect Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000003792 electrolyte Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000032953 Device battery issue Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 239000007772 electrode material Substances 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000007773 negative electrode material Substances 0.000 description 1
- 239000007774 positive electrode material Substances 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012216 screening Methods 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]
- G01R31/389—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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
Abstract
本发明公开了一种电池动态异常检测方法、装置、存储介质及电子设备。其中,该方法包括:确定电池组在多种荷电状态分别对应的预定基准电压,以及电池组在多种荷电状态的平均内阻,其中,电池组中包括多个电池单体;获取电池组在当前荷电状态下对应的当前最小单体电压,其中,多种荷电状态包括当前荷电状态;基于多种荷电状态分别对应的预定基准电压,当前最小单体电压,以及平均内阻,确定电池组的异常检测结果。本发明解决了相关技术中存在的电池异常检测效率不理想的技术问题。
Description
技术领域
本发明涉及电池异常检测技术领域,具体而言,涉及一种电池动态异常检测方法、装置、存储介质及电子设备。
背景技术
目前,动力电池大量应用于新能源车辆中,动力电池的能量高,能量密度大,采用高效的异常检测手段确定动力电池的状态,是保证应用安全稳定的关键。相关技术中能够一般采用电池管理系统(BMS,Battery Management System),通过电压传感器实时检测每个单体电池的电压,在某个电池单体的电压超出了正常范围的情况下,BMS就会判断为单体异常。但是相关技术是无法直接检出某些单体电池已经存在的性能下降问题,未涉及对其在充放电过程中的工作状态进行检测,进而导致只有在异常程度较高或导致充放电异常的情况下才能被检出,存在异常检测效率不理想的问题。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种电池动态异常检测方法、装置、存储介质及电子设备,以至少解决相关技术中存在的电池异常检测效率不理想的技术问题。
根据本发明实施例的一个方面,提供了一种电池动态异常检测方法,包括:确定电池组在多种荷电状态分别对应的预定基准电压,以及所述电池组在所述多种荷电状态的平均内阻,其中,所述电池组中包括多个电池单体;获取所述电池组在当前荷电状态下对应的当前最小单体电压,其中,所述多种荷电状态包括所述当前荷电状态;基于所述多种荷电状态分别对应的所述预定基准电压,所述当前最小单体电压,以及所述平均内阻,确定所述电池组的异常检测结果。
可选地,所述确定电池组在所述多种荷电状态分别对应的预定基准电压,包括:确定所述电池组进行充放电处理的第一倍率区间;获取当前充放电周期之前的历史充放电周期内,所述电池组在所述多种荷电状态中分别处于所述第一倍率区间的第一历史电压数据,其中,所述当前充放电周期包括所述当前荷电状态;在所述历史充放电周期为多个的情况下,基于多个历史充放电周期分别对应的所述第一历史电压数据,确定所述电池组在所述多种荷电状态分别对应的所述预定基准电压。
可选地,所述基于多个历史充放电周期分别对应的所述第一历史电压数据,确定所述电池组在所述多种荷电状态分别对应的所述预定基准电压,包括:针对所述多种荷电状态中的任意荷电状态,基于所述多个历史充放电周期分别对应的所述第一历史电压数据,确定所述电池组在所述多个历史充放电周期分别对应的所述任意荷电状态中的历史最小单体电压;对所述任意荷电状态在所述多个历史充放电周期中分别对应的最小单体电压取平均,得到所述任意荷电状态对应的平均值;采用确定所述任意荷电状态对应的所述平均值的方式,确定所述多种荷电状态分别对应的所述平均值;基于所述多个荷电状态分别对应的所述平均值,确定所述电池组在所述多种荷电状态分别对应的所述预定基准电压。
可选地,确定所述电池组在多种荷电状态的平均内阻,包括:确定倍率大于所述第一倍率区间的第二倍率区间;获取所述历史充放电周期内,所述电池组在所述多种荷电状态中分别处于所述第二倍率区间的第二历史电压数据;在所述历史充放电周期为多个的情况下,基于所述多个历史充放电周期分别对应的所述第二历史电压数据和所述预定基准电压,确定所述电池组在所述多种荷电状态分别对应的平均内阻。
可选地,所述历史充放电周期与所述当前充放电周期之间的时间间隔小于预定间隔阈值,所述第一倍率区间为基于所述电池组中包括的所述多个电池单体的电池性能确定的。
可选地,基于所述多种荷电状态分别对应的所述预定基准电压,所述当前最小单体电压,以及所述平均内阻,确定所述电池组的异常检测结果,包括:确定所述多种荷电状态中与所述当前荷电状态匹配的目标荷电状态,以及所述目标荷电状态对应的目标基准电压;获取所述电池组的当前充放电流;基于所述当前充放电电流和所述平均内阻,确定所述电池组的单体内阻分压;基于所述目标基准电压,所述当前最小单体电压,以及所述单体内阻分压,确定所述异常检测结果。
可选地,所述基于所述目标基准电压,所述当前最小单体电压,以及所述单体内阻分压,确定所述异常检测结果,包括:确定所述目标基准电压减去所述单体内阻分压的单体参考值;确定所述当前最小单体电压占所述单体参考值的比例值;在所述比例值小于预定比例阈值的情况下,确定所述异常检测结果为所述电池组异常。
可选地,在所述确定所述异常检测结果为所述电池组异常之后,所述方法还包括:基于所述比例值,确定所述电池组的异常程度等级;基于所述异常程度等级,确定所述电池组的异常处理策略。
根据本发明实施例的另一方面,提供了一种电池动态异常检测装置,包括:确定模块,用于确定电池组在多种荷电状态分别对应的预定基准电压,以及所述电池组在所述多种荷电状态的平均内阻,其中,所述电池组中包括多个电池单体;获取模块,用于获取所述电池组在当前荷电状态下对应的当前最小单体电压,其中,所述多种荷电状态包括所述当前荷电状态;检测模块,用于基于所述多种荷电状态分别对应的所述预定基准电压,所述当前最小单体电压,以及所述平均内阻,确定所述电池组的异常检测结果。
根据本发明实施例的另一方面,提供了一种非易失性存储介质,所述非易失性存储介质存储有多条指令,所述指令适于由处理器加载并执行任意一项所述的电池动态异常检测方法。
根据本发明实施例的另一方面,提供了一种电子设备,包括:一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现任意一项所述的电池动态异常检测方法。
在本发明实施例中,通过确定电池组在多种荷电状态分别对应的预定基准电压,以及所述电池组在所述多种荷电状态的平均内阻,其中,所述电池组中包括多个电池单体;获取所述电池组在当前荷电状态下对应的当前最小单体电压,其中,所述多种荷电状态包括所述当前荷电状态;基于所述多种荷电状态分别对应的所述预定基准电压,所述当前最小单体电压,以及所述平均内阻,确定所述电池组的异常检测结果。达到了在单体电池实际损坏前预判电池故障的目的,实现了提高电池异常检测效率的技术效果,进而解决了相关技术中存在的电池异常检测效率不理想的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例提供的一种可选的电池动态异常检测方法的流程图;
图2是根据本发明实施例提供的一种可选的电池动态异常检测方法的示意表图;
图3是根据本发明实施例提供的一种可选的电池动态异常检测装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明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,以便这里描述的本发明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。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了便于描述,以下对本申请实施例涉及的部分名词或术语进行说明:
开路电压(Open Circuit Voltage,OCV),是指在电路中没有负载时测量到的电池或电池组的电压。当电池没有外部负载时,电池的内部化学反应不会受到外部电流的影响,开路电压是电池的静态电压,可以用来估计电池的电荷状态和电池的健康状况。开路电压与电池的电荷状态有一定的关系,一般来说,开路电压较高的电池表示电池的电荷状态较高,而开路电压较低的电池表示电池的电荷状态较低。因此,通过测量电池的开路电压可以初步判断电池的电荷状态,从而有助于了解电池的使用情况。
荷电状态,(State of Charge,SOC),是指电池或电池组中实际储存的电荷量与其额定容量之间的比例。SOC可以用百分比表示,表示电池当前的剩余电量状态。SOC是对电池的荷电状态进行量化和描述的指标,SOC对于电池的使用和管理非常重要,因为电池的性能和寿命与其SOC密切相关。过度充电或过度放电会对电池的寿命产生负面影响,因此合理控制电池的SOC可以延长电池的使用寿命。此外,在电池组中,不同电池的SOC差异也会影响电池组的均衡性和性能,因此电池组的SOC均衡管理也是很重要的。
电池的内阻,是由电池内部的化学反应、电解液、电极材料、电池结构等因素共同导致的。内阻主要由两部分组成:极间电阻和极化电阻。内阻较大会导致电池的输出电压下降,使得电池的实际输出电压比理论电压要低,也会使得电池在高负载下的工作能力降低,电池的输出能力会减弱。
相关技术中采用电压阈值方式,对每一个单体电池进行检测,可以确定出单体电池在本次充放电过程中是否发生了过充过放问题,但是不能直接检测出单体电池的性能是否存在异常。比如一个电池组中的单体电池存在均衡性问题,随着电池组的使用,不同单体之间的均衡性问题会逐渐严重,进而导致电池组可充放的容量降低,对实际使用造成影响。但是单体电池存在电性能异常问题,不同于直接损坏,不会影响进行充放电处理,只是会导致电池的充放电容量降低。上述异常问题,相关技术中采用电压阈值方式是无法直接检出的,存在异常检测效率不理想的问题。
针对上述问题,本发明实施例提供了一种电池动态异常检测的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程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。
图1是根据本发明实施例的电池动态异常检测方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,确定电池组在多种荷电状态分别对应的预定基准电压,以及电池组在多种荷电状态的平均内阻,其中,电池组中包括多个电池单体;
可以理解,电池组从空电至满电有着多种荷电状态(即SOC),每一个荷电状态有着对应的预定基准电压,作为正常状态的参考电压。并且由于电池组的电池内阻会受到不同荷电状态,或是充放状态的影响,为了减少动态过程的干扰,可以确定出电池在多种电荷状态的平均内阻。
需要说明的是,从静态角度来说,单体电池的内阻大小与材料特性有关,如内阻与其正极、负极材料的导电性能有关,材料的电导率越高,内阻越小。还与电解液浓度有关,电解液的浓度越高,离子传输速度越快,内阻越小。从动态角度来说,充放电功率会影响内阻检测,充放电功率越大,电池内部的化学反应速率越快,离子传输速度也会加快,从而导致内阻的测量结果可能会偏低。因此,在进行内阻检测时需要注意选择适当的充放电倍功率,或是静态测量,以免对测量结果产生影响。
在一种可选的实施例中,确定电池组在多种荷电状态分别对应的预定基准电压,包括:确定电池组进行充放电处理的第一倍率区间;获取当前充放电周期之前的历史充放电周期内,电池组在多种荷电状态中分别处于第一倍率区间的第一历史电压数据,其中,当前充放电周期包括当前荷电状态;在历史充放电周期为多个的情况下,基于多个历史充放电周期分别对应的第一历史电压数据,确定电池组在多种荷电状态分别对应的预定基准电压。
可以理解,电池组进行充放电处理的第一倍率区间可以视为是一个小倍率的区间,在当前充放电周期之前的历史充放电周期内,可以获得电池组在多种荷电状态分别对应的,并且处理第一倍率区间中的第一历史电压数据。换言之,是对每一个荷电状态获取处于准静态范围的第一历史电压数据,由于确定出的预定基准电压较为准确。
可选地,上述第一倍率区间可以基于电池容量和电池电性能确定处理,设置第一倍率区间为[-0.5C,0.5C],C代表电池的容量,以C为单位的电流就是电池容量的倍数。如果一个单体电池的容量为2000mAh(毫安时),那么以0.5C进行充放电就表示电流大小为2000mAh×0.5=1000mA(毫安)。按照设置的第一倍率区间,电池在充电或放电过程中,电流大小不大于1000mA。以C倍率进行充放电是为了标准化描述电池的充放电速率,方便比较电池的性能。不同倍率的充放电速率会对电池的性能和寿命产生影响。通常较低的倍率充放电可以提高电池的寿命,但充放电的速度较慢;而较高的倍率充放电可以提供更高的电流输出或输入,但可能会缩短电池的寿命。
需要说明的是,确定第一倍率区间为一个小倍率区间,是为了减小极化效应,极化是指电池在工作过程中产生的电化学反应,会在电极表面形成一层极化膜。这层极化膜对电流的传递具有一定的电阻性质。随着放电电流的增大,极化效应会加剧,使得电流在极化膜上的电压降增加,从而导致电池的实际输出电压下降,因而对预定基准电压的准确性造成影响。
在一种可选的实施例中,基于多个历史充放电周期分别对应的第一历史电压数据,确定电池组在多种荷电状态分别对应的预定基准电压,包括:针对多种荷电状态中的任意荷电状态,基于多个历史充放电周期分别对应的第一历史电压数据,确定电池组在多个历史充放电周期分别对应的任意荷电状态中的历史最小单体电压;对任意荷电状态在多个历史充放电周期中分别对应的最小单体电压取平均,得到任意荷电状态对应的平均值;采用确定任意荷电状态对应的平均值的方式,确定多种荷电状态分别对应的平均值;基于多个荷电状态分别对应的平均值,确定电池组在多种荷电状态分别对应的预定基准电压。
可以理解,多个历史充放电周期中的每一个周期都是由空电至满电的一个充放循环,每一个周期都对应有多种荷电状态,针对多种荷电状态中的任意荷电状态,可以得到任意荷电状态在每一个历史充放电周期中的第一历史电压数据,进而确定出多个历史充放电周期中的每一个历史充放电周期里任意荷电状态的历史最小单体电压。对于任意荷电状态,对其在多个历史充放电周期中分别对应的最小单体电压取平均,得到该任意荷电状态的平均值。采用同理方式,可以得到多个荷电状态分别对应的平均值,确定出电池组在多种荷电状态分别对应的预定基准电压。
可选地,假定多个历史充放电周期以天为周期,过去5天中分别采集到的第n天的历史最小单体电压,n=1……5,记为V1,V2,V3,V4,V5。以第一天的历史最小单体电压V1为例,在SOC=1,2,……98,99,100情况下,可以对应表示为V1SOC1,V1SOC2,……,V1SOC98,V1SOC99,V1SOC100。表1中的全部历史最小单体电压值均为在第一倍率区间中取得的,上述第一倍率区间反应在电流值上可以设置为[-1A,1A],A为安培单位,负值表示充电状态,正值表示放电状态。
表1
可选地,图2是根据本发明实施例提供的一种可选的电池动态异常检测方法的示意表图,上述多种荷电状态分别对应的预定基准电压可以采用OCV-SOC表的形式描述,如图2所示,表示了100种荷电状态,每种荷电状态对应有预定基准电压,图2中的数值仅为示意不做具体限定。
在一种可选的实施例中,确定电池组在多种荷电状态的平均内阻,包括:确定倍率大于第一倍率区间的第二倍率区间;获取历史充放电周期内,电池组在多种荷电状态中分别处于第二倍率区间的第二历史电压数据;在历史充放电周期为多个的情况下,基于多个历史充放电周期分别对应的第二历史电压数据和预定基准电压,确定电池组在多种荷电状态分别对应的平均内阻。
可以理解,选取的第二倍率区间是大于第一倍率区间的,换言之,电池组正常充放电过程中不会是一直处于小倍率准静态,而放电倍率越大,输出电压值会在同等情况下更低一些,因此选取出的第二历史电压数据可以对单体电池的电压下线状态有更好的表示效果。确定多个历史充放电周期分别对应的第二历史电压数据和预定基准电压,可以确定出电池组在多种荷电状态分别对应的平均内阻。
可选地,上述第二历史电压数据为针对多种荷电状态中的任意荷电状态,确定多个历史充放电周期中处于上述任意荷电状态中,在第二倍率区间中的最小单体电压值,作为上述任意荷电状态的第二历史电压数据。
可选地,以SOC=100为例,在该SOC下预定基准电压记为V基soc100,第二历史电压数据记为Vs′oc100,通过以下方式得到SOC=100的内阻RSOC100:
V基soc100-Vs′oc100=Isoc100RSOC100
其中,Isoc100为得到Vs′oc100时候测到的电流值,属于第二倍率区间。
采用与得到SOC=100情况下,内阻RSOC100的相同方式,可以得到具体设定的SOC赋值情况下,SOC=1,2,3……100,分别对应的内阻RSOC1,RSOC2,RSOC3……RSOC100。通过以下方式可以得到平均内阻
其中,RSOCm为第m个荷电状态的内阻。
在一种可选的实施例中,历史充放电周期与当前充放电周期之间的时间间隔小于预定间隔阈值,第一倍率区间为基于电池组中包括的多个电池单体的电池性能确定的。
可以理解,电池是有着自己的使用周期和使用寿命的,随着使用时长的增加,电池的电化学性能也会发生变化的,如果和当前充放电周期相距的时间间隔大于预定间隔阈值情况下,可以视为是与当前电池组的实际状态相差较大,如1年以前的历史电压数据是与当前电池状态相差很大,难以提供数据支持。上述第一倍率区间是基于电池组中包括的多个电池单体的电池性能确定的,这是由于第一倍率区间是一个小倍率区间,按照具体性能设置,如对于A电池是0.1C,B电池是0.5C等等。
步骤S104,获取电池组在当前荷电状态下对应的当前最小单体电压,其中,多种荷电状态包括当前荷电状态;
可以理解,获取电池组在当前荷电状态下的当前最小单体电压,是可以反映当前实际状态的。
步骤S106,基于多种荷电状态分别对应的预定基准电压,当前最小单体电压,以及平均内阻,确定电池组的异常检测结果。
可以理解,利用多种荷电状态分别对应的预定基准电压和平均内阻,以及实际采集的当前最小单体电压,可以电池组的异常检测结果。
在一种可选的实施例中,基于多种荷电状态分别对应的预定基准电压,当前最小单体电压,以及平均内阻,确定电池组的异常检测结果,包括:确定多种荷电状态中与当前荷电状态匹配的目标荷电状态,以及目标荷电状态对应的目标基准电压;获取电池组的当前充放电流;基于当前充放电电流和平均内阻,确定电池组的单体内阻分压;基于目标基准电压,当前最小单体电压,以及单体内阻分压,确定异常检测结果。
可以理解,按照当前荷电状态,可以在多种荷电状态中匹配到目标荷电状态,并且可以确定出对应的目标基准电压。按照当前充放电流和平均内阻,确定出单体内阻分压,每个单体电池的单体内阻分压会影响到其输出电压的大小,即单体内阻分压越大,输出的当前最小单体电压越小,越容易过放,内阻过大也是电池异常的一种表现,基于目标基准电压,当前最小单体电压,单体内阻分压,可以确定出异常检测结果。
在一种可选的实施例中,基于目标基准电压,当前最小单体电压,以及单体内阻分压,确定异常检测结果,包括:确定目标基准电压减去单体内阻分压的单体参考值;确定当前最小单体电压占单体参考值的比例值;在比例值小于预定比例阈值的情况下,确定异常检测结果为电池组异常。
可以理解,目标基准电压减去单体内阻分压,可以得到单体参考值,视为是一个正常状态的参考值。确定当前最小单体电压占单体参考值的比例值,换言之,在比例值越小情况下,当前最小单体电压越低,异常程度越大,在上述比例值小于预定比例阈值的情况下,可以确定出异常检测结果为电池组异常。
可选地,上述当前最小单体电压是在当前充放电流处于第二倍率区间情况下采集到的。假定目标荷电状态是在SOC为50,对应的目标基准电压V基soc50情况下,当前最小单体电压记为V当前min,当前充放电流记为I当前,单体内阻分压可以表示为单体参考值可以表示为/>假定预定比例阈值为90%,可以通过以下方式得到比例值L:
在L小于90%的情况下,视为是单体内阻过大,已经出现电性能的异常问题,L值越小,异常程度越严重。
在一种可选的实施例中,在确定异常检测结果为电池组异常之后,方法还包括:基于比例值,确定电池组的异常程度等级;基于异常程度等级,确定电池组的异常处理策略。
可以理解,按照比例值,可以确定出电池组的异常程度等级,并且按照异常程度等级确定出对应的异常处理策略。
可选地,在异常程度等级小于预定等级阈值的情况下,采用均衡电池均衡方式,对确定出异常的单体进行补充充电,使得电池组中的电池单体具有相似的充电状态。在异常程度等级大于预定等级阈值情况下,提示进行更换和维修,或是在有备用电池支路的情况下,采用BYPASS设备对异常电池所在单体进行支路切断,BYPASS设备用于在电池故障情况下,进行支路切换和调整,保证用电负载的正常供电。
通过上述步骤S102至步骤S106,可以实现在单体电池实际损坏前预判电池故障的目的,实现了提高电池异常检测效率的技术效果,进而解决了相关技术中存在的电池异常检测效率不理想的技术问题。
基于上述实施例和可选实施例,本发明提出一种可选实施方式,应用于使用三元电池的新能源车辆上。
步骤S1,通过车载诊断仪采用过去5天的历史数据样本,每条历史数据样本至少包括最低单体电压、荷电状态和电流数据的相关信息,历史数据样本的样本数量不少于50个。
步骤S2,通过筛选出电流值处于[-1A,1A]区间内,即第一倍率区间中的历史数据样本,作为每一种荷电状态的第一历史电压数据。
步骤S3,基于上述5天里每种荷电状态的第一历史电压数据,确定出每天在该荷电状态下的最低单体电压。针对每一个荷电状态,按照5天周期的最低单体电压进行取平均值处理,得到每个荷电状态下的预定基准电压。并按照预定基准电压和对应荷电状态建立OCV-SOC对应表。
步骤S4,筛选出充放电流值大于1A的第二历史电压数据,并根据OCV-SOC对应表,确定出多种荷电状态下的平均内阻。
步骤S5,获取新能源车辆行驶时的当前充放电流,在当前充放电流大于1A的情况下,根据当前充放电电流和平均内阻,可以确定出单体内阻分压。按照与当前荷电状态匹配的目标荷电状态可以确定出目标基准电压,进而确定单体参考值。
步骤S6,当前最小单体电压占单体参考值的比例值小于预定比例阈值(如设定90%)的情况下,确定电池组发生异常。
由上述可选实施方式至少实现效果:对电池组中单体电池的内阻异常有着更好的检测效率,实现了对新能源车辆中动力三元电池,在行车过程中电芯异常的及时识别和判断,可以为新能源汽车提供更加安全、可靠的行驶保障。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程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。
在本实施例中还提供了一种电池动态异常检测装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”“装置”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
根据本发明实施例,还提供了一种用于实施电池动态异常检测方法的装置实施例,图3是根据本发明实施例的一种电池动态异常检测装置的示意图,如图3所示,上述电池动态异常检测装置,包括:确定模块302,获取模块304,检测模块306,下面对该装置进行说明。
确定模块302,用于确定电池组在多种荷电状态分别对应的预定基准电压,以及电池组在多种荷电状态的平均内阻,其中,电池组中包括多个电池单体;
获取模块304,与确定模块302连接,用于获取电池组在当前荷电状态下对应的当前最小单体电压,其中,多种荷电状态包括当前荷电状态;
检测模块306,与获取模块304连接,用于基于多种荷电状态分别对应的预定基准电压,当前最小单体电压,以及平均内阻,确定电池组的异常检测结果。
本发明实施例提供的一种电池动态异常检测装置中,通过确定模块302,用于确定电池组在多种荷电状态分别对应的预定基准电压,以及电池组在多种荷电状态的平均内阻,其中,电池组中包括多个电池单体;获取模块304,与确定模块302连接,用于获取电池组在当前荷电状态下对应的当前最小单体电压,其中,多种荷电状态包括当前荷电状态;检测模块306,与获取模块304连接,用于基于多种荷电状态分别对应的预定基准电压,当前最小单体电压,以及平均内阻,确定电池组的异常检测结果。达到了在单体电池实际损坏前预判电池故障的目的,实现了提高电池异常检测效率的技术效果,进而解决了相关技术中存在的电池异常检测效率不理想的技术问题。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,例如,对于后者,可以通过以下方式实现:上述各个模块可以位于同一处理器中;或者,上述各个模块以任意组合的方式位于不同的处理器中。
此处需要说明的是,上述确定模块302,获取模块304,检测模块306,对应于实施例中的步骤S102至步骤S106,上述模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在计算机终端中。
需要说明的是,本实施例的可选或优选实施方式可以参见实施例中的相关描述,此处不再赘述。
上述电池动态异常检测装置还可以包括处理器和存储器,确定模块302,获取模块304,检测模块306,等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上。存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种非易失性存储介质,其上存储有程序,该程序被处理器执行时实现电池动态异常检测方法。
本发明实施例提供了一种电子设备,该电子设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:确定电池组在多种荷电状态分别对应的预定基准电压,以及电池组在多种荷电状态的平均内阻,其中,电池组中包括多个电池单体;获取电池组在当前荷电状态下对应的当前最小单体电压,其中,多种荷电状态包括当前荷电状态;基于多种荷电状态分别对应的预定基准电压,当前最小单体电压,以及平均内阻,确定电池组的异常检测结果。本文中的设备可以是服务器、PC等。
本发明还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:确定电池组在多种荷电状态分别对应的预定基准电压,以及电池组在多种荷电状态的平均内阻,其中,电池组中包括多个电池单体;获取电池组在当前荷电状态下对应的当前最小单体电压,其中,多种荷电状态包括当前荷电状态;基于多种荷电状态分别对应的预定基准电压,当前最小单体电压,以及平均内阻,确定电池组的异常检测结果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (11)
1.一种电池动态异常检测方法,其特征在于,包括:
确定电池组在多种荷电状态分别对应的预定基准电压,以及所述电池组在所述多种荷电状态的平均内阻,其中,所述电池组中包括多个电池单体;
获取所述电池组在当前荷电状态下对应的当前最小单体电压,其中,所述多种荷电状态包括所述当前荷电状态;
基于所述多种荷电状态分别对应的所述预定基准电压,所述当前最小单体电压,以及所述平均内阻,确定所述电池组的异常检测结果。
2.根据权利要求1所述的方法,其特征在于,所述确定电池组在所述多种荷电状态分别对应的预定基准电压,包括:
确定所述电池组进行充放电处理的第一倍率区间;
获取当前充放电周期之前的历史充放电周期内,所述电池组在所述多种荷电状态中分别处于所述第一倍率区间的第一历史电压数据,其中,所述当前充放电周期包括所述当前荷电状态;
在所述历史充放电周期为多个的情况下,基于多个历史充放电周期分别对应的所述第一历史电压数据,确定所述电池组在所述多种荷电状态分别对应的所述预定基准电压。
3.根据权利要求2所述的方法,其特征在于,所述基于多个历史充放电周期分别对应的所述第一历史电压数据,确定所述电池组在所述多种荷电状态分别对应的所述预定基准电压,包括:
针对所述多种荷电状态中的任意荷电状态,基于所述多个历史充放电周期分别对应的所述第一历史电压数据,确定所述电池组在所述多个历史充放电周期分别对应的所述任意荷电状态中的历史最小单体电压;
对所述任意荷电状态在所述多个历史充放电周期中分别对应的最小单体电压取平均,得到所述任意荷电状态对应的平均值;
采用确定所述任意荷电状态对应的所述平均值的方式,确定所述多种荷电状态分别对应的所述平均值;
基于所述多个荷电状态分别对应的所述平均值,确定所述电池组在所述多种荷电状态分别对应的所述预定基准电压。
4.根据权利要求2所述的方法,其特征在于,确定所述电池组在多种荷电状态的平均内阻,包括:
确定倍率大于所述第一倍率区间的第二倍率区间;
获取所述历史充放电周期内,所述电池组在所述多种荷电状态中分别处于所述第二倍率区间的第二历史电压数据;
在所述历史充放电周期为多个的情况下,基于所述多个历史充放电周期分别对应的所述第二历史电压数据和所述预定基准电压,确定所述电池组在所述多种荷电状态分别对应的平均内阻。
5.根据权利要求2所述的方法,其特征在于,所述历史充放电周期与所述当前充放电周期之间的时间间隔小于预定间隔阈值,所述第一倍率区间为基于所述电池组中包括的所述多个电池单体的电池性能确定的。
6.根据权利要求1至5任意一项所述的方法,其特征在于,基于所述多种荷电状态分别对应的所述预定基准电压,所述当前最小单体电压,以及所述平均内阻,确定所述电池组的异常检测结果,包括:
确定所述多种荷电状态中与所述当前荷电状态匹配的目标荷电状态,以及所述目标荷电状态对应的目标基准电压;
获取所述电池组的当前充放电流;
基于所述当前充放电电流和所述平均内阻,确定所述电池组的单体内阻分压;
基于所述目标基准电压,所述当前最小单体电压,以及所述单体内阻分压,确定所述异常检测结果。
7.根据权利要求6所述的方法,其特征在于,所述基于所述目标基准电压,所述当前最小单体电压,以及所述单体内阻分压,确定所述异常检测结果,包括:
确定所述目标基准电压减去所述单体内阻分压的单体参考值;
确定所述当前最小单体电压占所述单体参考值的比例值;
在所述比例值小于预定比例阈值的情况下,确定所述异常检测结果为所述电池组异常。
8.根据权利要求7所述的方法,其特征在于,在所述确定所述异常检测结果为所述电池组异常之后,所述方法还包括:
基于所述比例值,确定所述电池组的异常程度等级;
基于所述异常程度等级,确定所述电池组的异常处理策略。
9.一种电池动态异常检测装置,其特征在于,包括:
确定模块,用于确定电池组在多种荷电状态分别对应的预定基准电压,以及所述电池组在所述多种荷电状态的平均内阻,其中,所述电池组中包括多个电池单体;
获取模块,用于获取所述电池组在当前荷电状态下对应的当前最小单体电压,其中,所述多种荷电状态包括所述当前荷电状态;
检测模块,用于基于所述多种荷电状态分别对应的所述预定基准电压,所述当前最小单体电压,以及所述平均内阻,确定所述电池组的异常检测结果。
10.一种非易失性存储介质,其特征在于,所述非易失性存储介质存储有多条指令,所述指令适于由处理器加载并执行权利要求1至8中任意一项所述的电池动态异常检测方法。
11.一种电子设备,其特征在于,包括:一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至8中任意一项所述的电池动态异常检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311098153.XA CN116930786A (zh) | 2023-08-28 | 2023-08-28 | 电池动态异常检测方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311098153.XA CN116930786A (zh) | 2023-08-28 | 2023-08-28 | 电池动态异常检测方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116930786A true CN116930786A (zh) | 2023-10-24 |
Family
ID=88384463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311098153.XA Pending CN116930786A (zh) | 2023-08-28 | 2023-08-28 | 电池动态异常检测方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116930786A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117220389A (zh) * | 2023-11-09 | 2023-12-12 | 宁德时代新能源科技股份有限公司 | 充电方法、装置、计算机设备和存储介质 |
-
2023
- 2023-08-28 CN CN202311098153.XA patent/CN116930786A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117220389A (zh) * | 2023-11-09 | 2023-12-12 | 宁德时代新能源科技股份有限公司 | 充电方法、装置、计算机设备和存储介质 |
CN117220389B (zh) * | 2023-11-09 | 2024-04-02 | 宁德时代新能源科技股份有限公司 | 充电方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Baghdadi et al. | State of health assessment for lithium batteries based on voltage–time relaxation measure | |
CN113646652B (zh) | 电池管理设备及包括其的电池组 | |
EP3839537B1 (en) | Battery management apparatus | |
JP2013531780A (ja) | リチウムイオン電池充電状態の算出方法 | |
EP3835801B1 (en) | Battery state estimating apparatus | |
JP2010019664A (ja) | 電池劣化検出装置および方法 | |
CN113646650B (zh) | 电池状态估计设备以及包括其的电池组和电动车辆 | |
CN116930786A (zh) | 电池动态异常检测方法、装置、存储介质及电子设备 | |
CN108363016B (zh) | 基于人工神经网络的电池微短路定量诊断方法 | |
CN113848479B (zh) | 一种融合均衡信息的串联电池组短路及低容量故障诊断方法、系统及设备 | |
CN113484783B (zh) | 电池soh检测方法、装置、系统、介质及程序产品 | |
CN110221224A (zh) | 电池循环寿命的预测方法、装置及存储介质 | |
WO2021150551A1 (en) | System and method for estimating battery state of health | |
CN113176516A (zh) | 容量预测方法、装置、电子设备及存储介质 | |
CN112230152B (zh) | 测量单体电芯内阻增量的方法及系统 | |
CN112578299A (zh) | 蓄电池的内部金属结构断裂的确定方法和确定装置 | |
CN116754981A (zh) | 电池容量预测方法、装置、电子设备及存储介质 | |
CN114695990A (zh) | 一种电池系统的容量均衡判断方法、装置、设备及介质 | |
Wilkins et al. | Optimised battery capacity utilisation within Battery Management Systems | |
Singh cEng | Predicting Life-Cycle Estimation of Electric Vehicle Battery Pack through Degradation by Self Discharge and Fast Charging | |
EP4343350A1 (en) | Device and method for detecting deteriorated battery cell | |
CN114184969B (zh) | 一种电芯可逆自放电容量损失测试方法及装置 | |
US20230266400A1 (en) | Battery Diagnosing Apparatus and Method | |
Sharma et al. | Novel Pulse Power Estimation Technique for Li—Ion Battery Using DCIR and SOC Relationship | |
Surya | Comprehensive Review on Algorithms used in Battery Management System for Automotive Applications |
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 |