CN117148194A - 一种电动汽车电池组故障探测方法及系统 - Google Patents

一种电动汽车电池组故障探测方法及系统 Download PDF

Info

Publication number
CN117148194A
CN117148194A CN202311023122.8A CN202311023122A CN117148194A CN 117148194 A CN117148194 A CN 117148194A CN 202311023122 A CN202311023122 A CN 202311023122A CN 117148194 A CN117148194 A CN 117148194A
Authority
CN
China
Prior art keywords
battery
vehicle
battery pack
fault
data
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
Application number
CN202311023122.8A
Other languages
English (en)
Inventor
耿星
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Liqun Technology Co ltd
Original Assignee
Shanghai Liqun Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Liqun Technology Co ltd filed Critical Shanghai Liqun Technology Co ltd
Priority to CN202311023122.8A priority Critical patent/CN117148194A/zh
Publication of CN117148194A publication Critical patent/CN117148194A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
    • B60L3/0046—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train relating to electric energy storage systems, e.g. batteries or capacitors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • 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
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开一种电动汽车电池组故障探测方法，包括如下步骤：S1、实时采集车载电池组中每个单体电池的特征电池参数；S2、将采集到的特征电池参数输入孤立森林模型，输出各单体电池的异常值；S3、基于各个单体电池的异常值进行车载电池的故障判定。本发明基于孤立森林模型的车载电池组故障探测，提高车载电池故障探测的自适应性，提高了电动汽车电池组故障诊断的精度。

Description

一种电动汽车电池组故障探测方法及系统
技术领域
本发明属于故障诊断技术领域，更具体地，本发明涉及一种电动汽车电池组故障探测方法及系统。
背景技术
随着大量的锂离子电池成组化使用，系统的电学行为特性、温度敏感性、老化特性变得异常复杂。同时，由于锂离子电池比能量的不断提升及愈加复杂的应用场景，因电池故障导致安全性方面的问题也愈显突出。
当前车载电池组故障诊断主要基于设定的故障阈值进行判定，BMS系统AFE采集的电池组相关数据，将采集到的相关数据与设定的故障阈值进行比较，进而进行车载电池的故障判定。
由于车载电池组的相关数据与车辆当前的工况密切相关，工况的变化可能导致车载电池的相关参数波动较大，上述的阈值故障判定缺乏自适应性，会极大的降低车载电池故障诊断的精准性。
发明内容
本发明提供一种电动汽车电池组故障探测方法，旨在改善上述问题。
本发明是这样实现的，一种电动汽车电池组故障探测方法，所述方法具体包括如下步骤：
S1、实时采集车载电池组中每个单体电池的特征电池参数；
S2、将采集到的特征电池参数输入孤立森林模型，输出各单体电池的异常值；
S3、基于各个单体电池的异常值进行车载电池的故障判定。
进一步的，特征电池参数的确定方法具体如下：
对车载电池历史的电池参数进行核主成分分析，确定与车载电池故障关联的特征电池参数。
进一步的，孤立森林模型中存在多棵树，树的构建具体如下：
(1)随机选择ψ个样本数据作为样本子空间，放入均方孤立森林的根节点，随机选择一个维度；
(2)在该维度的最大值和最小值之间随机选择一个分割点p；
(3)根据分割点p对节点上的每一个数据进行分类，在所选维度上，将小于分割点p的数据放在当前节点的左子树，大于等于分割点p的数据放在当前节点的右子树；
(4)针对每个子节点执行步骤(2)及步骤(3)，不断构造新的子节点，直到子节点成为叶子节点或树的深度达到了限定深度，则完成了当前树构建。
进一步的，单体电池的异常得分S(x)的计算公式具体如下：
S(x)＝λ1·SN(x)+λ2·Sk(x)
其中，λ1、λ2为权重值，SN(x)、Sk(x)分别为单体电池在孤立森林模型中的异常得分、均方异常得分。
进一步的，单体电池在孤立森林模型中的异常得分SN(x)的计算公式具体如下：
其中，E(h(x))为样本数据x在孤立森林模型中的平均路径长度，样本x∈数据集N，c(N)为数据集N所有数据样本在在孤立森林模型中的平均路径长度，其计算公式具体如下；
其中，H(*)为调和函数，n为数据集N中的样本总数。
进一步的,单体电池在孤立森林模型中的均方异常得分Sk(x)的计算公式具体如下：
其中，k为孤立森林模型中数的数量，m(·)表示树中节点的数据质量，即经过该节点的数据个数，Ti(x)和Ti p(x)分别表示数据x在第i棵孤立树中所处的叶子节点和直接父节点，ψi表示i棵孤立树上的样本总数值。
进一步的，在步骤S3之后还包括：
S4、对车辆电池的故障进行分级，针对不同等级的故障进行对应等级的预警。
进一步的，将车载电池组的故障分为两级，一级的危害程度高于二级，在车载电池出现一级故障时，则立刻断开主正、主副继电器，若车载电池出现二级故障，则降低车辆的输出功率；
存在单体电池的异常值在窗口时间内均大于异常值阈值，则认定车载电池为一级故障；
单体电池的异常值在窗口时间内均小于异常值阈值，但异常值阈值呈上升趋势时，认定车载电池为二级故障。
本发明是这样实现的，一种电动汽车电池组故障探测系统，所述系统包括：
电池管理系统BMS，与电池管理系统通讯连接的处理器，与处理器通讯连接的显示单元，其中，处理器上集成有孤立森林模型；
电池管理系统BMS将当前采集的单体电池的特征参数发送至处理器，处理器基于上述电动汽车电池组故障探测方法来识别车载电池故障。
本发明基于孤立森林模型的车载电池组故障探测，提高车载电池故障探测的自适应性，提高了电动汽车电池组故障诊断的精度。
附图说明
图1为本发明实施例提供的电动汽车电池组故障探测方法流程图；
图2为本发明实施例提供的电动汽车电池组故障探测系统的结构示意图。
具体实施方式
下面对照附图，通过对实施例的描述，对本发明的具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
本发明实施例提供的电动汽车电池组故障探测方法将电池组参数进行核主成分分析后，建立电池组的孤立森林，确定各单体电池的异常值，基于单体电池的异常值进行车载电池的故障判定。
图1为本发明实施例提供的电动汽车电池组故障探测方法流程图，该方法包括如下步骤：
S1、实时采集车载电池组中每个单体电池的特征电池参数；
S2、将采集到的特征电池参数输入孤立森林模型，输出各单体电池的异常值；
S3、基于单体电池的异常值进行车载电池的故障判定。
在本发明实施例中，特征电池参数的确定方法具体如下：
对车载电池历史的电池参数进行核主成分分析(KPCA)，确定与车载电池故障关联的特征电池参数，实现电池参数降维的同时，简化了后续均方孤立森林模型的构建，特征电池参数包括：电池组电压、电流、温度、差分电压、等效内阻。
在本发明实施例中，孤立森林模型中存在多棵树，每棵树都通过下列方法进行构建，孤立森林模型中树的构建具体如下：
(1)随机选择ψ个样本数据作为样本子空间，放入均方孤立森林的根节点，随机选择一个维度；
本发明中的“一个样本数据”是指一个单体电池的特征电池参数。
(2)在该维度的最大值和最小值之间随机选择一个分割点p；
(3)根据分割点p对节点上的每一个数据进行分类，在所选维度上，将小于分割点p的数据放在当前节点的左子树，大于等于分割点p的数据放在当前节点的右子树；
(4)针对每个子节点执行步骤(2)及步骤(3)，不断构造新的子节点，直到子节点成为叶子节点(只有一个数据)或树的深度达到了限定深度，则完成了当前树构建。
在本发明实施例中，基于单体电池在孤立森林模型中的异常得分SN(x)和均方异常得分来进行车载电池的故障判定，下面针对单体电池在孤立森林中的异常得分及单体电池在孤立森林中的均方异常得分的计算方法进行说明：
(1)单体电池在孤立森林模型中的异常得分SN(x)计算公式具体如下：
其中，E(h(x))为样本数据x在孤立森林中的平均路径长度(深度)，样本x∈数据集N，c(N)为数据集N所有数据样本在在孤立森林中的平均路径长度(深度)，其计算公式具体如下；
其中，H(*)为调和函数，n为数据集N中的样本总数。
(2)单体电池在孤立森林模型的均方异常得分计算公式具体如下：
式中，m(·)表示节点数据质量，即经过该节点的数据个数；Ti(x)和Ti p(x)分别表示数据x在第i棵孤立树中所处的叶子节点和直接父节点，ψi表示第i棵孤立树上的样本总数值。
数据样本x在k棵孤立树上相对质量的均方异常值SM(x)的计算公式具体如下：
在本发明实施例中，对上述单体电池在孤立森林模型的异常得分SN(x)、Sk(x)进行融合，得到单体电池的最终异常得分S(x)，用于车载电池的故障判定，S(x)＝λ1·SN(x)+λ2·Sk(x)，其中，λ1、λ2为权重值，且λ1+λ2＝1。
在本发明实施例中，在步骤S3之后还包括：
对车辆电池的故障进行分级，针对不同等级的故障进行对应等级的预警。
在本发明实施例中，将车载电池组的故障分为两级，一级的危害程度高于二级，在车载电池出现一级故障时，则立刻断开主正、主副继电器，若车载电池出现二级故障，则降低车辆的输出功率。其中，一级故障是指存在单体电池的异常值在窗口时间内均大于异常值阈值，二级故障是单体电池的异常值在在窗口时间内均小于异常值阈值，但异常值阈值呈上升趋势。
图2为本发明实施例提供的电动汽车电池组故障探测系统的结构示意图，为了便于说明，仅示出与本发明实施例相关的部分，该系统包括：
电池管理系统BMS，与电池管理系统通讯连接的处理器，其中，处理器上集成有孤立森林模型；
电池管理系统BMS将当前采集的单体电池的特征参数发送至处理器，处理器基于上述电动汽车电池组故障探测方法来识别车载电池故障，通
本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。

Claims (9)

1.一种电动汽车电池组故障探测方法，其特征在于，所述方法具体包括如下步骤：
S1、实时采集车载电池组中每个单体电池的特征电池参数；
S2、将采集到的特征电池参数输入孤立森林模型，输出各单体电池的异常值；
S3、基于各个单体电池的异常值进行车载电池的故障判定。
2.如权利要求1所述电动汽车电池组故障探测方法，其特征在于，特征电池参数的确定方法具体如下：
对车载电池历史的电池参数进行核主成分分析，确定与车载电池故障关联的特征电池参数。
3.如权利要求1所述电动汽车电池组故障探测方法，其特征在于，孤立森林模型中存在多棵树，树的构建具体如下：
(1)随机选择ψ个样本数据作为样本子空间，放入均方孤立森林的根节点，随机选择一个维度；
(2)在该维度的最大值和最小值之间随机选择一个分割点p；
(3)根据分割点p对节点上的每一个数据进行分类，在所选维度上，将小于分割点p的数据放在当前节点的左子树，大于等于分割点p的数据放在当前节点的右子树；
(4)针对每个子节点执行步骤(2)及步骤(3)，不断构造新的子节点，直到子节点成为叶子节点或树的深度达到了限定深度，则完成了当前树构建。
4.如权利要求2所述电动汽车电池组故障探测方法，其特征在于，单体电池的异常得分S(x)的计算公式具体如下：
S(x)＝λ1·SN(x)+λ2·Sk(x)
其中，λ1、λ2为权重值，SN(x)、Sk(x)分别为单体电池在孤立森林模型中的异常得分、均方异常得分。
5.如权利要求4所述电动汽车电池组故障探测方法，其特征在于，单体电池在孤立森林模型中的异常得分SN(x)的计算公式具体如下：
其中，E(h(x))为样本数据x在孤立森林中的平均路径长度，样本x∈数据集N，c(N)为数据集N所有数据样本在在孤立森林中的平均路径长度，其计算公式具体如下；
其中，H(*)为调和函数，n为数据集N中的样本总数。
6.如权利要求4所述电动汽车电池组故障探测方法，其特征在于,单体电池在孤立森林模型中的均方异常得分Sk(x)的计算公式具体如下：
其中，k为孤立森林模型中数的数量，m(·)表示树中节点的数据质量，即经过该节点的数据个数，Ti(x)和Ti p(x)分别表示数据x在第i棵孤立树中所处的叶子节点和直接父节点，ψi表示i棵孤立树上的样本总数值。
7.如权利要求1所述电动汽车电池组故障探测方法，其特征在于，在步骤S3之后还包括：
S4、对车辆电池的故障进行分级，针对不同等级的故障进行对应等级的预警。
8.如权利要求7所述电动汽车电池组故障探测方法，其特征在于，将车载电池组的故障分为两级，一级的危害程度高于二级，在车载电池出现一级故障时，则立刻断开主正、主副继电器，若车载电池出现二级故障，则降低车辆的输出功率；
存在单体电池的异常值在窗口时间内均大于异常值阈值，则认定车载电池为一级故障；
单体电池的异常值在窗口时间内均小于异常值阈值，但异常值阈值呈上升趋势时，认定车载电池为二级故障。
9.一种电动汽车电池组故障探测系统，其特征在于，所述系统包括：
电池管理系统BMS，与电池管理系统通讯连接的处理器，与处理器通讯连接的显示单元，其中，处理器上集成有孤立森林模型；
电池管理系统BMS将当前采集的单体电池的特征参数发送至处理器，处理器基于权利要求1至8任一项所述电动汽车电池组故障探测方法来识别车载电池故障。
CN202311023122.8A 2023-08-14 2023-08-14 一种电动汽车电池组故障探测方法及系统 Pending CN117148194A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311023122.8A CN117148194A (zh) 2023-08-14 2023-08-14 一种电动汽车电池组故障探测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311023122.8A CN117148194A (zh) 2023-08-14 2023-08-14 一种电动汽车电池组故障探测方法及系统

Publications (1)

Publication Number Publication Date
CN117148194A true CN117148194A (zh) 2023-12-01

Family

ID=88883420

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311023122.8A Pending CN117148194A (zh) 2023-08-14 2023-08-14 一种电动汽车电池组故障探测方法及系统

Country Status (1)

Country Link
CN (1) CN117148194A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117436005A (zh) * 2023-12-21 2024-01-23 山东汇力环保科技有限公司 一种环境空气自动监测过程中异常数据处理方法
CN118114164A (zh) * 2024-04-30 2024-05-31 济宁市金桥煤矿 一种煤矿机电运行故障实时监测系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117436005A (zh) * 2023-12-21 2024-01-23 山东汇力环保科技有限公司 一种环境空气自动监测过程中异常数据处理方法
CN117436005B (zh) * 2023-12-21 2024-03-15 山东汇力环保科技有限公司 一种环境空气自动监测过程中异常数据处理方法
CN118114164A (zh) * 2024-04-30 2024-05-31 济宁市金桥煤矿 一种煤矿机电运行故障实时监测系统

Similar Documents

Publication Publication Date Title
CN112858919B (zh) 一种基于聚类分析的电池系统在线故障诊断方法和系统
CN109165687B (zh) 基于多分类支持向量机算法的车用锂电池故障诊断方法
Yang et al. On-board diagnosis of soft short circuit fault in lithium-ion battery packs for electric vehicles using an extended Kalman filter
CN110018425B (zh) 一种动力电池故障诊断方法及系统
CN117148194A (zh) 一种电动汽车电池组故障探测方法及系统
CN114559819B (zh) 一种基于信号处理的电动汽车电池安全预警方法
Chang et al. Electric vehicle battery pack micro-short circuit fault diagnosis based on charging voltage ranking evolution
CN112380630B (zh) 基于车联网数据的新能源汽车电池热失控风险的预测方法
CN113696786B (zh) 电池均衡方法及系统
CN112816881B (zh) 电池压差异常检测方法、装置及计算机存储介质
CN112906744A (zh) 一种基于孤立森林算法的故障单体电池识别方法
CN105738830A (zh) 锂离子动力电池梯次利用分析方法
CN112098850A (zh) 基于sdo算法的锂离子电池电压故障诊断方法及系统
CN112319308B (zh) 一种动力电池多故障检测方法与系统
CN116973782B (zh) 基于机器学习的新能源汽车保养维护与故障监测诊断方法
Wu et al. Research on short-circuit fault-diagnosis strategy of lithium-ion battery in an energy-storage system based on voltage cosine similarity
CN114720883A (zh) 一种基于孤立森林算法的锂电池故障识别方法
CN115958957B (zh) 一种电动汽车动力电池充电过热故障预测方法及系统
CN115494400B (zh) 一种基于集成学习的锂电池析锂状态在线监控方法
Diao et al. Research on Electric Vehicle Charging Safety Warning Based on A-LSTM Algorithm
CN111983464A (zh) 一种基于纯电动车用锂电池析锂测试方法
CN113391214A (zh) 一种基于电池充电电压排名变化的电池微故障诊断方法
CN113533985A (zh) 一种电池包内阻异常模块的识别方法及其存储介质
Tian et al. An optimal nonlinear observer for state-of-charge estimation of lithium-ion batteries
CN216411516U (zh) 锂电池和模组的析锂检测装置

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