CN117233657A - 短路检测方法和设备、以及电子设备 - Google Patents
短路检测方法和设备、以及电子设备 Download PDFInfo
- Publication number
- CN117233657A CN117233657A CN202310091286.8A CN202310091286A CN117233657A CN 117233657 A CN117233657 A CN 117233657A CN 202310091286 A CN202310091286 A CN 202310091286A CN 117233657 A CN117233657 A CN 117233657A
- Authority
- CN
- China
- Prior art keywords
- battery
- short circuit
- sub
- time span
- resistance error
- 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 164
- 238000005259 measurement Methods 0.000 claims abstract description 79
- 238000007599 discharging Methods 0.000 claims abstract description 14
- 230000008859 change Effects 0.000 claims description 34
- 230000015654 memory Effects 0.000 claims description 25
- 230000000246 remedial effect Effects 0.000 claims description 20
- 230000035945 sensitivity Effects 0.000 claims description 16
- 238000012360 testing method Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 description 21
- 238000012937 correction Methods 0.000 description 8
- 238000006731 degradation reaction Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000015556 catabolic process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000003792 electrolyte Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual 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]
- G01R31/367—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
- G01R17/00—Measuring arrangements involving comparison with a reference value, e.g. bridge
- G01R17/02—Arrangements in which the value to be measured is automatically compared with a reference value
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/10—Measuring sum, difference or ratio
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
- G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
- G01R27/08—Measuring resistance by measuring both voltage and current
-
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
-
- 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
Abstract
提供一种短路检测方法和设备、以及电子设备。所述短路检测方法包括:通过针对目标时间跨度测量电池来确定测量数据,目标时间跨度包括电池充电时间跨度或电池放电时间跨度;使用电池模型来确定针对目标时间跨度的电池的估计数据,电池模型模拟电池以确定估计数据;基于测量数据和估计数据来确定电池的电阻误差参数;以及基于对电阻误差参数和短路阈值进行比较的结果来确定电池短路条件被满足。
Description
本申请要求于2022年6月13日在韩国知识产权局提交的第10-2022-0071689号韩国专利申请的权益,所述韩国专利申请的全部公开出于所有目的通过引用包含于此。
技术领域
下面的描述涉及用于电池短路检测的方法和装置。
背景技术
电池短路使电池效率劣化并且可导致热失控(thermal runaway)。因此,在短路导致电池的物理和热变形的增加之前检测电池中的短路可以是有益的。通常,短路检测方法已经使用电流、电压、容量或温度等的改变,或者已经使用电路模型的各种参数的改变。此外,为了检测多电芯电池组中的短路,存在使用构成多电芯的单位电芯之间的各种偏差值的方法。
发明内容
提供本发明内容来以简要的形式介绍在以下具体实施方式中进一步描述的构思的选择。本发明内容不意在确定要求保护的主题的关键特征或必要特征,也不意在用作确定要求保护的主题的范围的帮助。
在一个总体方面,一种短路检测方法包括:通过针对目标时间跨度测量电池来确定测量数据,目标时间跨度包括电池充电时间跨度或电池放电时间跨度;使用电池模型来确定针对目标时间跨度的电池的估计数据,电池模型模拟电池以确定估计数据;基于测量数据和估计数据来确定电池的电阻误差参数;以及基于对电阻误差参数和短路阈值进行比较的结果来确定电池短路条件被满足。
测量数据可包括测量电压和测量电流,估计数据可包括估计电压,并且电阻误差参数可基于电压误差与测量电流之间的比率来确定,电压误差可对应于测量电压与估计电压之间的差。
电阻误差参数可包括以下各项中的一项或多项:第一子参数,表示放电时间跨度的第一子时间跨度中的第一平均电阻误差与充电时间跨度的第二子时间跨度中的第二平均电阻误差之间的差;第二子参数,表示放电时间跨度的第三子时间跨度中的电阻误差的变化率;以及第三子参数,表示充电时间跨度的第四子时间跨度中的电阻误差的变化率。
测量数据可包括预设检测间隔的电池测量值,估计数据可包括预设检测间隔的电池估计值,预设检测间隔的电阻误差值可基于测量值和估计值来确定,并且电阻误差参数可对应于基于电阻误差值获得的操作结果。
确定电阻误差参数的步骤可包括:基于第一子时间跨度中的电阻误差值的平均值来确定第一平均电阻误差;基于第二子时间跨度中的电阻误差值的平均值来确定第二平均电阻误差;以及基于第一平均电阻误差与第二平均电阻误差之间的差来确定第一子参数。
确定电阻误差参数的步骤可包括:基于第三子时间跨度中的电阻误差值的误差的增大率来确定第二子参数。
确定电阻误差参数的步骤可包括:基于第四子时间跨度中的电阻误差值的误差的减小率来确定第三子参数。
电阻误差参数可包括具有不同程度的短路检测灵敏度的子参数,并且不同的补救操作可根据短路检测灵敏度的程度被执行。
确定电池短路条件被满足的步骤包括:基于估计数据的估计电压和测量数据的测量电流来确定电池的内部电阻;基于内部电阻与电阻误差参数之间的比率来确定误差率;基于测量电流和误差率的乘积来确定短路电流;以及基于估计电压与短路电流之间的比率来确定短路的短路电阻。
短路检测模式的进入条件可包括:充电/放电温度、充电/放电范围和/或充电/放电速度,并且确定测量数据、确定估计数据、确定电阻误差参数、以及确定电池短路条件被满足的步骤可基于进入条件的满足而被执行。
短路阈值可基于初步实验结果来确定,可基于在电池的初始驱动区间期间的实际驱动结果来确定,或者可通过将现有实验结果调整为实际驱动结果来确定。
一种非暂时性计算机可读存储介质可存储指令,所述指令在由处理器执行时使得处理器执行所述方法。
在一个总体方面,一种短路检测设备包括:一个或多个处理器,以及存储器,存储指令,所述指令被配置为在由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:通过在目标时间跨度中测量电池来确定测量数据,目标时间跨度还可至少包括对电池进行充电的充电时间跨度或对电池进行放电的放电时间跨度;使用模拟电池的电池模型来确定针对目标时间跨度的电池的估计数据;基于测量数据与估计数据之间的误差来确定电池的电阻误差参数;并且基于电阻误差参数与短路阈值之间的比较的结果来检测电池的短路。
测量数据可包括测量电压和测量电流,估计数据可包括估计电压,电阻误差参数可基于电压误差与测量电流之间的比率来确定,并且电压误差可对应于测量电压与估计电压之间的差。
电阻误差参数可包括以下各项中的一项或多项:第一子参数,表示放电时间跨度的第一子时间跨度中的第一平均电阻误差与充电时间跨度的第二子时间跨度中的第二平均电阻误差之间的差;第二子参数,表示放电时间跨度的第三子时间跨度中的电阻误差的变化率;以及第三子参数,表示充电时间跨度的第四子时间跨度中的电阻误差的变化率。
电阻误差参数可包括对电池的短路具有不同程度的检测灵敏度的子参数,并且不同的补救操作可根据检测灵敏度的程度被执行。
所述指令还可被配置为使得所述一个或多个处理器:基于估计数据的估计电压和测量数据的测量电流来确定电池的内部电阻;基于内部电阻与电阻误差参数之间的比率来确定误差率;基于测量电流和误差率的乘积来确定短路电流;以及基于估计电压与短路电流之间的比率来确定短路电阻。
在一个总体方面,一种设备包括:电池,被配置为将电力供应给所述设备;以及一个或多个处理器,并且所述设备被配置为使得所述一个或多个处理器:针对电池可被充电或可被放电的时间跨度来测量电池的测量数据;基于模拟电池的电池模型的输出来估计电池的估计数据;基于测量数据和估计数据来确定电池的电阻误差参数;并且基于电阻误差参数和短路阈值来检测电池的短路。
测量数据可包括测量电压和测量电流,估计数据可包括估计电压,并且电阻误差参数可基于电压误差与测量电流之间的比率来确定,电压误差对应于测量电压与估计电压之间的差。
估计数据可由模型基于测量数据来提供,并且其中,短路可基于相对于短路阈值对电阻误差参数进行评估而被检测到。
根据下面的具体实施方式、附图和权利要求,其他特征和方面将是清楚的。
附图说明
图1示出根据一个或多个实施例的短路检测设备的示例配置。
图2示出根据一个或多个实施例的得出短路误差参数的示例。
图3示出根据一个或多个实施例的得出短路误差参数的示例。
图4示出根据一个或多个实施例的短路检测操作的示例。
图5示出根据一个或多个实施例的使用短路误差参数的子参数的示例。
图6示出根据一个或多个实施例的正常电芯与微短路电芯之间的数据差异的示例。
图7示出根据一个或多个实施例的得出短路电阻的示例。
图8示出根据一个或多个实施例的短路检测设备的示例配置。
图9示出根据一个或多个实施例的电子设备的示例配置。
图10示出根据一个或多个实施例的短路检测方法的示例。
贯穿附图和具体实施方式,除非另外描述或提供,否则相同或相似的附图参考标号将被理解为表示相同或相似的元件、特征和结构。附图可不按比例,并且为了清楚、说明和方便,附图中的元件的相对大小、比例和描绘可被夸大。
具体实施方式
提供下面的具体实施方式以帮助读者获得对在此描述的方法、设备和/或系统的全面理解。然而,在理解本申请的公开之后,在此描述的方法、设备和/或系统的各种改变、修改和等同物将是清楚的。例如,在此描述的操作顺序仅是示例,并不限于在此阐述的那些顺序,而是除了必须以特定次序发生的操作之外,可如在理解本申请的公开之后将是清楚的那样被改变。此外,为了更加清楚和简明,在理解本申请的公开之后已知的特征的描述可被省略。
在此描述的特征可以以不同的形式被实现,而不应被解释为限于在此描述的示例。相反,在此描述的示例已被提供,以仅示出在理解本申请的公开之后将是清楚的实现在此描述的方法、设备和/或系统的许多可行方式中的一些可行方式。
在此使用的术语仅用于描述各种示例,并且不用于限制公开。除非上下文另外清楚地指示,否则单数形式也意在包括复数形式。如在此使用的,术语“和/或”包括相关联的所列项中的任何一个和任何两个或更多个的任何组合。作为非限制性示例,术语“包含”、“包括”和“具有”说明存在陈述的特征、数量、操作、构件、元件和/或它们的组合,但不排除存在或添加一个或多个其他特征、数量、操作、构件、元素和/或它们的组合。
贯穿说明书,当组件或元件被描述为“连接到”、“结合到”或“接合到”另一组件或元件时,该组件或元件可直接“连接到”、“结合到”或“接合到”该另一组件或元件,或者可合理地存在介于其间的一个或多个其他组件或元件。当组件或元件被描述为“直接连接到”、“直接结合到”或“直接接合到”另一组件或元件时,可不存在介于其间的其他组件或元件。类似地,例如“在……之间”和“紧接在……之间”以及“与……邻近”和“与……紧邻”的表述也可如前所述来解释。
尽管在此可使用术语(诸如“第一”、“第二”和“第三”、或A、B、(a)、(b)等)以描述各种构件、组件、区域、层或部分,但是这些构件、组件、区域、层或部分不应被这些术语限制。这些术语中的每个不用于定义例如相应的构件、组件、区域、层或部分的本质、次序或序列,而仅用于将相应的构件、组件、区域、层或部分与其他构件、组件、区域、层或部分区分开。因此,在不脱离示例的教导的情况下,在此描述的示例中所称的第一构件、第一组件、第一区域、第一层或第一部分也可被称为第二构件、第二组件、第二区域、第二层或第二部分。
除非另有定义,否则在此使用的所有术语(包括技术术语和科学术语)具有与由本公开所属领域的普通技术人员通常理解以及基于对本申请的公开的理解的含义相同的含义。除非在此明确地如此定义,否则术语(诸如,在通用词典中定义的术语)应被解释为具有与它们在相关领域和本申请的公开的上下文中的含义一致的含义,并且不应被理想化或过于形式化地解释。在此关于示例或实施例的术语“可”的使用(例如,关于示例或实施例可包括或实现什么)表示存在包括或者实现这样的特征的至少一个示例或实施例,而全部示例不限于此。
图1示出根据一个或多个实施例的短路检测设备的示例配置。注意,如在此使用的术语“短路检测设备”等不表明单片或单个配置,相反,该短语是为了方便,并且指的是如在此描述的各种设备配置。电池短路可使电池的能量效率劣化,并且可导致严重的安全问题。例如,电池短路可导致电池的热失控。为了安全,由于早期检测可允许安全措施可被执行,所以在微短路水平检测电池短路可有所帮助。当电池具有微短路时,短路可仅导致电池信号或操作参数(例如,电流、电压和温度)的小改变,这可使得短路检测变得困难。此外,在对电池充电时难以检测微短路的电流效应(例如,与正常的偏差),因为这样的电流效应与充电电流相比可以非常小。因此,在相关领域中,短路检测已经集中于检测较大的(非微)短路或检测在电池静止状态(battery rest state)下的短路,这使得难以通过将短路与可在电池驱动期间(当电池不静止时)发生的电池状态的改变(例如,驱动温度、电池劣化等)有效地区别来检测短路。
尽管可通过经由人工智能(AI)技术(诸如,机器学习)学习参数的差异或改变来确定电池短路,但是可检测的短路的程度和精度可根据模型的精度而显著变化,并且微短路检测可根据高速率驱动、劣化或测量误差等被限制。此外,由于AI技术的使用,所需的计算能力可增加。尽管如此,在此描述的一些操作仍然可使用AI技术来执行(例如,电池模型可用神经网络模型来实现)。
参照图1,短路检测设备100可基于测量数据101输出检测电池短路的检测结果103。测量数据101可包括与由短路检测设备100监测的电池110的规格和/或操作相关的数据。例如,测量数据101可包括在电池110充电时的电池信号,或者测量数据101可包括在电池110放电时的电池信号。例如,电池信号可包括电池的电压、电流和/或温度。测量数据101可由电池内部和/或外部的各种传感器测量。检测结果103可包括指示短路是否被检测到(或被预测到)的短路信息、短路何时开始的检测时间、短路的持续时间、和/或短路的强度。根据检测结果103,针对短路的补救操作可被执行。
短路检测设备100可使用对电池110进行模拟(建模)的电池模型121来估计电池110的状态(例如,荷电状态(SOC)或电压等)以确定估计数据102。根据一些实施例,电池模型121可以是电化学热(ECT)模型。ECT模型可使用各种ECT参数和控制方程(governingequation)来模拟电池的内部状态。例如,ECT模型的参数可指示形状或其他几何特征(例如,厚度、半径)、开路电位(OCP)和物理性质(例如,电导率、离子电导率和扩散系数)。ECT模型的控制方程可包括基于这些参数在电极与电解质的界面之间发生的电化学反应的方程(一个或多个)、以及与电解质的浓度和电荷的守恒及电极相关联的物理守恒方程。
根据一些实施例,ECT模型可基于测量数据101来估计电池110的状态。例如,ECT模型可基于(例如,来自测量数据101的)电池110的电流和温度来估计电池110的SOC和电压。短路检测设备100可通过使用从电池110测量的测量数据101与由电池模型121估计的估计数据102之间的误差(例如,差异)来检测短路状态(“检测”指的是例如通过确定存在与短路强相关的条件来估计或预测短路)。误差可被称为估计误差。电池模型121还可包括对估计数据102进行校正以减少估计误差的误差校正模型。例如,误差校正模型可对电压估计值和/或SOC估计值进行校正,使得电压测量值与电压估计值之间的电压估计误差被减小。随着误差增大,校正值可增大。短路检测设备100可在短路检测的时间段期间使用校正值的改变和/或误差的改变。
根据一些实施例,短路检测设备100可基于测量数据101与估计数据102之间的误差来确定电池110的电阻误差参数,并且基于电阻误差参数与短路阈值之间的比较结果来检测电池110的短路。更具体地,短路检测设备100可测量电池110的值(例如,电压),估计正常状态下电池110的值(例如,电压),并且得出测量值(例如,电压)与估计值(例如,电压)之间的差。在假设的/建模的正常状态下估计电池110的电压时,当电池110的实际状态(诸如,偏离模型的劣化状态)的改变被应用于估计电压时,这样的差可对应于(预测)测量值的短路分量。在此的短路分量可表示为短路电阻和短路电流的乘积。短路检测设备100可基于示出测量电压与估计电压之间的差对应于短路分量的关系,使用电阻误差参数来执行短路检测。
根据一些实施例,测量数据101可包括电池110的测量电压和测量电流,并且估计数据102可包括电池110的估计电压。短路检测设备100可基于电压误差与测量电流之间的比率来确定电阻误差参数,其中,电压误差对应于测量电压与估计电压之间的差。根据一些实施例,测量数据101可包括在各个预设检测周期(间隔)的电池的测量值(例如,电压、电流),并且估计数据102可包括在各个预设检测周期(间隔)的电池的相应的(例如,电压的)估计值。短路检测设备100可基于各个测量值和估计值来确定各个预设检测周期/间隔的电阻误差值,并且可通过基于确定的电阻误差值执行操作来确定电阻误差参数。例如,可根据电阻误差值的特性(例如,平均值、累积值和/或变化率等)来确定电阻误差参数。这样的分析可被划分为时间子区间(电阻误差值的子序列)。例如,(“区间”和“子区间”指的是各种时间跨度)电阻误差参数可包括以下项中的一个或多个:(1)第一子参数,表示(i)放电区间中的第一子区间中的电阻误差值的第一平均电阻误差与(ii)充电区间中的第二子区间中的电阻误差值的第二平均电阻误差之间的差;(2)第二子参数,表示放电区间中的第三子区间(时间跨度)中的电阻误差值的变化率;以及(3)第三子参数,表示充电区间中的第四子区间中的电阻误差值的变化率。
短路检测设备100可使用从电池的单位电芯和多电芯测量的测量数据101以及电池模型121来确定电阻误差参数,并且使用电阻误差参数来区分电池电芯的正常状态和短路状态。根据一个示例实施例,短路检测设备100可通过使用电阻误差参数的子参数以逐步(stepwise)方式指示短路。根据一个示例实施例,短路检测设备100可提高短路确定的准确性,并且例如在包括快速智能电话充电条件的电池使用条件下计算短路电流(即,可与测量电流进行比较以检测短路的计算电流值)和/或短路电阻(即,可与测量电阻进行比较以检测短路的计算值)。
如所提及的,特别是与由于其他变化条件(诸如,实际充电/放电速度、充电/放电范围(例如,电压范围、时间段或速度范围)、温度、电池之间的差异、电池劣化等)导致的测量的电池信号的改变相比,由于微短路导致的测量的电池信号(电流、电压和温度)的改变可非常小。由于这样的非短路驱动的信号改变可呈现为大于短路驱动的信号改变,所以难以在电池的驱动期间检测短路并计算电池110的内部短路电阻。短路检测设备100可:(i)使用具有参数更新函数(用于根据劣化进展来更新模型)和/或SOC校正函数的高精度电池模型121;(ii)选择电阻误差参数;以及(iii)以逐步方式宣布(例如,生成信号、通知等)电池短路。因此,短路检测设备100可在电池被实际驱动(例如,未静止)时增加区分短路状态与正常状态的概率,并且降低错误检测的概率。在此,SOC校正函数可与这样的函数对应:当存在电池模型121的状态估计误差时,通过以特定比率对SOC状态进行校正来保持估计精度。根据劣化进程的参数更新函数可与这样的函数对应:即使电池正常劣化,也通过劣化状态的估计将电池模型121的参数(诸如,劣化参数)更新为准确值,并且保持电池模型的状态估计精度。
图2和图3示出根据一个或多个实施例的得出短路误差参数的示例。注意,图2和图3的“时间”轴上的垂直线指示从放电切换到充电时的时间。参照图2,短路检测设备可将电池的放电区间的第一子区间210(子时间跨度)和电池的充电区间的第二子区间220设置为相应的目标区间(目标时间跨度),确定第一子区间210中的第一平均电阻误差211和第二子区间220中的第二平均电阻误差221,并且确定表示第一平均电阻误差211与第二平均电阻误差221之间的差的子参数。该子参数也可被称为第一子参数。然后可基于电阻误差参数的至少一个子参数(可以是第一子参数)来确定电阻误差参数。
短路检测设备可从测量数据和估计数据确定第一平均电阻误差211和第二平均电阻误差221。测量数据可包括检测周期的测量电压值和测量电流值,并且估计数据也包括检测周期(间隔)的估计电压值。检测周期可被预先设置。例如,检测周期可以是1/4秒。然而,这仅仅是示例,并且检测周期可被设置为各种值。短路检测设备可根据欧姆定律,通过将电压误差(对应于每个检测周期的测量电压值与估计电压值之间的差)除以测量电流值来确定电阻误差值。短路检测设备可根据检测周期来确定目标区间中的电阻误差值,基于第一子区间210中的电阻误差值的平均值来确定第一平均电阻误差211,基于第二子区间220中的电阻误差值的平均值来确定第二平均电阻误差221,并且基于第一平均电阻误差211与第二平均电阻误差221之间的差来确定第一子参数。
根据一个示例实施例,短路检测设备可基于SOC水平来设置目标区间。例如,短路检测设备可将第一子区间210(放电区间)设置为从第一SOC水平212到第二SOC水平213的时间。该设备可将第二子区间220(充电区间)设置为从第三SOC水平222到第四SOC水平223的时间。第一SOC水平212和第四SOC水平223可被设置为彼此相同或彼此不同,和/或第二SOC水平213和第三SOC水平222可被设置为彼此相同或彼此不同。此外,第一SOC水平212与第二SOC水平213之间的间隔可被设置为与第三SOC水平222与第四SOC水平223之间的间隔相同或不同。例如,第一SOC水平212可以是100%,第二SOC水平213可以是50%,第三SOC水平222可以是25%,并且第四SOC水平223可以是75%。
参照图3,短路检测设备可将电池的放电区间中的第三子区间310设置为目标区间,并且确定表示第三子区间310中的电阻误差的第一变化率311的子参数。该子参数可被称为第二子参数。短路检测设备可将电池的充电区间中的第四子区间320设置为目标区间,并且确定表示第四子区间320中的电阻误差的第二变化率321的子参数。该子参数可被称为第三子参数。短路检测设备可根据检测周期(采样间隔)来确定目标区间中的电阻误差值,基于第三子区间310中的电阻误差值的变化率来确定第三子参数,并且基于第四子区间320中的电阻误差值的变化率来确定第四子参数。
短路检测设备可基于第三子区间310中的电阻误差值的增大率来确定第二子参数,并且基于第四子区间320中的电阻误差值的减小率来确定第三子参数。短路检测设备可根据预设数量的检测周期期间的变化率来确定第二子参数和/或第三子参数。例如,可以根据一个检测周期期间的变化率或四个检测周期期间的变化率来确定第二子参数和/或第三子参数。然而,这仅仅是示例,并且测量变化率的检测周期的数量可变化。
根据一些实施例,短路检测设备可基于SOC水平来设置目标区间。例如,短路检测设备可将从第五SOC水平312到第六SOC水平313进行放电的区间设置为第三子区间310,并且将从第七SOC水平322到第八SOC水平323的进行充电的区间设置为第四子区间320。第五SOC水平312和第八SOC水平323可被设置为彼此相同或彼此不同,和/或第六SOC水平313和第七SOC水平322可被设置为彼此相同或彼此不同。此外,第五SOC水平312与第六SOC水平313之间的间隔可被设置为与第七SOC水平322与第八SOC水平323之间的间隔相同或不同。此外,第五SOC水平312至第八SOC水平323可被设置为与图2的第一SOC水平212至第四SOC水平223相同或不同。例如,第五SOC水平312可以是100%,第六SOC水平313可以是50%,第七SOC水平322可以是25%,并且第八SOC水平323可以是75%。
图4示出根据一个或多个实施例的短路检测操作的示例。参照图4,在操作401中,短路检测设备可设置用于进入短路检测模式的进入条件。短路检测设备可:(i)无论电池的内部状态或周围环境如何,都始终执行短路检测;或者(ii)可在特定的内部状态或特定的周围环境下执行短路检测。在后一种情况(情况(ii))下,短路检测可通过在特定内部状态或特定周围环境满足进入条件时进入短路检测模式而被执行。例如,进入条件可包括充电/放电温度、充电/放电范围(例如,时间范围或电压范围)和/或充电/放电速度等。
在操作402中,短路检测设备可确定是否使用现有参数设置。现有参数设置可对应于另外的现有电池(原型电池)(而非当前作为测试对象的电池(目标电池))的模型和数据集。
当现有/原型参数设置被使用时,在操作403中,短路检测设备可执行当前/目标电池的初始驱动,并且在操作404中,基于相应的初始驱动数据来调整现有参数设置的短路阈值。例如,初始驱动数据可根据当前/目标电池的初始的预定数量(例如,50)的驱动循环的驱动来获取。短路检测设备可通过根据初始驱动数据基于电阻误差参数的最大值和最小值调整现有/原型电池的电阻误差参数的最大值和最小值,来确定短路阈值。操作403和404可在安装有当前/目标电池的电子设备中的实际电池驱动环境下被执行。
根据一个示例实施例,短路检测设备可基于在设备开启状态下的初始驱动期间获得的正常状态下的电池的电阻误差参数值,通过将批量偏移施加到现有电阻误差参数值来改变现有电阻误差参数值,来调整短路阈值。根据另一示例实施例,短路检测设备可通过将在开启状态下的初始驱动期间获得的除了正常状态下的电池的电阻误差参数之外的电池模型的参数值与除了现有电阻误差参数之外的电池模型的参数值进行比较来调整短路阈值。
当现有参数设置不被使用时,短路检测设备可在操作405中使用当前电池执行单独的初步实验,并且可在操作406中基于通过初步实验获得的实验数据来设置当前电池的短路阈值。例如,初步实验可包括:在进入条件被满足的状态下,通过改变充电/放电温度、充电/放电范围和/或充电/放电速度等来获得(假设的)正常电芯和外部电阻连接的电芯的电阻误差参数。可使用实验数据的电阻误差参数的最大值和最小值来得出短路阈值。操作405和406可在除了将要安装当前电池的电子设备之外的实验装置中的实验环境下被执行。
在操作407中,电池驱动可被执行。在操作407中,电池驱动可在安装有当前(目标)电池的电子设备中被执行。在操作408中,短路检测设备可确定进入条件是否被满足。当进入条件被满足时,在操作409中,短路检测设备可将电阻误差参数与短路阈值(或,短路参数)进行比较。电阻误差参数可在电池驱动(如在此使用的,“驱动”指的是充电或放电)期间周期性地被计算,并且短路阈值可在操作404或406中被设置。当电阻误差参数超过/满足短路阈值时,在操作410中,短路检测设备可执行补救操作。例如,补救操作可包括:向用户发出与短路和/或其通知相关的信号或消息。
图5示出根据一个或多个实施例的使用短路误差参数的子参数的示例。根据一个示例实施例,短路(SC)误差参数可包括第一子参数SC1至第n子参数SCn,并且短路检测设备可通过使用子参数SC1至SCn来执行逐步短路检测和补救。例如,第一子参数SC1可对应于图2的平均电阻误差211与221之间的差,第二子参数SC2可对应于图3的电阻误差的变化率311,并且第三子参数SC3可对应于图3的电阻误差的变化率321。在一些实施例中,仅一个子参数被使用。
参照图5,在操作501中,短路检测设备可将第一子参数SC1与相应的第一短路阈值TH1进行比较。当第一子参数SC1大于第一短路阈值TH1时,短路检测设备可在操作502中执行第一阶段补救操作。例如,第一阶段补救操作可包括生成可以以各种方式呈现的通知,以通知用户微短路的发生、推荐电池更换等。
在操作503中,短路检测设备可将第二子参数SC2与对应的第二短路阈值TH2进行比较,并且在操作504中,短路检测设备可再次将第一子参数SC1与第一短路阈值TH1进行比较。当第二子参数SC2大于第二短路阈值TH2并且第一子参数SC1大于第一短路阈值TH1时,在操作505中,短路检测设备可执行第二阶段补救操作。例如,第二阶段补救操作可包括例如生成电池短路的通知并且推荐电池更换。根据需要,操作504可被省略。在这种情况下,由于确定第二子参数SC2大于第二短路阈值TH2,因此操作505可在没有操作504的情况下直接被执行。
在操作506至508中,短路检测设备可执行与操作503至505类似的操作。第三阶段补救操作可包括连续地/重复地生成如上所述的通知。这样的操作可在与第四子参数SC4相关的操作509和510中连续地/重复地被执行,并且以此类推直到第n子参数SCn。在操作511中,当全部子参数SC1至SCn小于它们各自对应的短路阈值TH1至THn时,短路检测设备可确定电池不处于短路状态。
随着补救操作的水平通过渐进的阶段(例如,第一阶段到第三阶段)提高,补救操作的内容的强度/紧迫性可变得更强。例如,通告短路可以是比通告微短路更强的补救操作,并且电池更换的请求/推荐和连续通知可以是比电池更换推荐更强的补救操作。在这种情况下,子参数SC1至SCn的顺序可根据其检测灵敏度来确定。检测灵敏度可指示对电池短路的灵敏度的程度。例如,当在子参数SC1至SCn满足各自的短路阈值TH1至THn的状态下发生电池短路时,检测灵敏度可以以子参数SC1至SCn快速超过(例如,在预定时间段内超过)短路阈值TH1至THn中的各自的相应值的次序被设置为更高,即,子参数SC1至SCn中的任何一个子参数超过自己的短路阈值越快,则该任何一个子参数的检测灵敏度越高。
尽管图5示出根据检测灵敏度的逐步检测的示例实施例,但是可存在通过其他方法来执行短路检测的各种示例实施例。在一些实施例中,权重可针对子参数SC1至SCn中的每个而设置,并且当权重的加权和超过特定参考水平(例如,阈值)时,补救操作可被执行。此外,在这种情况下,若干参考水平可被设置,并且更强的补救操作可根据参考水平通过多少级而被执行。根据另一示例实施例,参考水平可针对任何一个子参数(例如,第一子参数SC1)而设置,并且更强的补救操作可根据子参数通过哪个参考水平而被执行。
图6示出根据一个或多个实施例的正常电芯与微短路电芯之间的数据差异的示例。参照图6,曲线图610、620和630分别示出正常电芯的补偿(校正)电压、电阻误差参数和电芯温度。补偿电压可指示用于校正估计电压与实际电压之间的差的补偿值或校正值。由于在曲线图620的充电和放电被重复的全部区间中,正常电芯的电阻误差参数保持低于短路阈值,因此基于此,电池短路可不容易被检测到。曲线图640、650和660分别示出微短路电芯的补偿电压、电阻误差参数和电芯温度。曲线图650示出电阻误差参数超过阈值TH的区间,并且微短路可在该区间中被检测到。
在图6中,第一区间641与电池的初始驱动区间对应。在第一区间641的情况下,电池模型的初始误差可存在,并且因此,短路检测可在第一区间641之后的第二区间642中被执行。第一区间641和第二区间642可与检测时间范围对应。此外,短路检测可在温度检测范围DR内被执行。检测时间范围和温度检测范围可与短路检测模式的进入条件的满足对应。SOC范围或截止电压范围等可被设置为进入条件。当确定进入条件被满足时,短路检测设备可在进入条件被满足的情况下通过将电阻误差参数与短路阈值进行比较来执行短路检测。
图7示出根据一个或多个实施例的得出短路电阻的处理的示例。参照图7,曲线图710至730分别示出补偿电压、短路电流和短路电阻。时间ts指示短路检测时间。短路电阻值R可以是非常小的值(例如,500欧姆)。尽管短路电阻的值非常小,但是可使用短路误差参数从中检测短路。曲线图720和730与在放电区间中执行的短路检测的示例结果对应,并且因此,在线之间示出虚线区间(充电区间)。
当电池短路检测被执行时,短路检测设备可根据用于检测短路的电阻误差参数来计算当前的短路电阻值。例如,短路检测设备可基于(估计数据的)估计电压V_E和(测量数据的)测量电流I_M来确定电池的内部电阻R_I,基于内部电阻R_I与电阻误差参数(例如,第一子参数SC1)之间的比率来确定误差率ER,基于测量电流I_M和误差率ER的乘积来确定短路电流I_S,并且基于估计电压V_E与短路电流I_S之间的比率来确定(短路的)短路电阻R_S。例如,内部电阻R_I可被计算为:估计电压V_E/测量电流I_M,误差率ER可被计算为:第一子参数SC1/内部电阻R_I,短路电流I_S可被计算为:测量电流I_M×误差率ER,并且短路电阻R_S可被计算为:估计电压V_E/短路电流I_S。计算的短路电阻R_S和/或短路电流I_S可被用作短路检测的检测参数。
图8示出根据一个或多个实施例的短路检测设备的示例配置。参照图8,短路检测设备800包括处理器810和存储器820。存储器820可连接到处理器810,并且可存储可由处理器810执行的指令、待由处理器810计算的数据或由处理器810处理的数据(“处理器”指的是一个或多个处理器、核等)。存储器820可包括例如非暂时性计算机可读存储介质(例如,高速随机存取存储器(RAM))和/或非易失性计算机可读存储介质(例如,至少一个磁盘存储装置、闪存装置或其他非易失性固态存储器装置)。
处理器810可执行指令以执行在此参照图1至图7、图9和图10描述的操作。例如,处理器810可测量包括电池的充电区间和/或电池的放电区间的至少一部分的目标区间中的电池的状态以确定测量数据,使用模拟电池的电池模型来估计目标区间中的电池的状态以确定估计数据,基于测量数据与估计数据之间的误差来确定电池的电阻误差参数,以及基于电阻误差参数与短路阈值之间的比较的结果来检测电池的短路。此外,参照图1至图7、图9和图10提供的描述可适用于短路检测设备800。
图9示出根据一个或多个实施例的电子设备的示例配置。参照图9,电子设备900可包括处理器910、存储器920、相机930、存储装置940、输入装置950、输出装置960、网络接口970和电池980,并且这些组件可经由通信总线990彼此通信。例如,电子设备900可被实现为以下装置的至少一部分:移动装置(例如,移动电话、智能电话、个人数字助理(PDA)、上网本、平板计算机、膝上型计算机等)、可穿戴装置(例如,智能手表、智能手环、智能眼镜等)、计算装置(例如,台式计算机、服务器等)、家用电器(例如,电视(TV)、智能TV、冰箱等)、安全装置(例如,门锁等)或车辆(例如,自主车辆、智能车辆等)。电子设备900在结构上和/或功能上可包括图1的短路检测设备100和/或图8的短路检测设备800。
处理器910可执行电子设备900中的指令和功能。例如,处理器910可处理存储在存储器920或存储装置940中的指令。指令可被配置为使得当被处理器执行时,处理器910执行参照图1至图8描述的操作。存储器920可包括非暂时性计算机可读存储介质或非暂时性计算机可读存储装置。存储器920可存储将要由处理器910执行的指令,并且还在软件和/或应用被电子设备900执行时存储与软件和/或应用相关联的信息。
相机930可捕获照片和/或视频。例如,相机930可捕获包括用户的面部的面部图像。相机930可以是包括与对象相关联的深度信息的三维(3D)相机。存储装置940可包括非暂时性计算机可读存储介质或非暂时性计算机可读存储装置。存储装置940可比存储器920存储更大量的信息并且长时间存储该信息。例如,存储装置940可包括磁硬盘、光盘、闪存、软盘或本领域已知的其他形式的非易失性存储器。
输入装置950可通过使用键盘和鼠标的传统输入方案以及通过新的输入方案(诸如,触摸输入、语音输入和图像输入)从用户接收输入。例如,输入装置950可检测来自键盘、鼠标、触摸屏、麦克风或用户的输入,并且可包括被配置为将检测到的输入传送到电子设备900的任何其他装置。输出装置960可通过视觉通道、听觉通道或触觉通道将电子设备900的输出提供给用户。输出装置960可包括例如显示器、触摸屏、扬声器、振动发生器或被配置将输出提供给用户的任何其他装置。网络接口970可经由有线或无线网络与外部装置通信。电池980可存储电力,并且可将电力提供给电子设备900。
图10示出根据一个或多个实施例的短路检测方法的示例。参照图10,短路检测设备可在操作1010中测量包括电池的充电区间和/或电池的放电区间的至少一部分的目标区间(时间跨度)中的电池的状态以确定测量数据,在操作1020中使用模拟电池的电池模型来估计目标区间中的电池的状态以确定估计数据,在操作1030中基于测量数据与估计数据之间的误差来确定电池的电阻误差参数,并且在操作1040中基于电阻误差参数与短路阈值之间的比较的结果来检测电池的短路。
测量数据可包括测量电压和测量电流,估计数据可包括估计电压,并且电阻误差参数可基于电压误差与测量电流之间的比率来确定(电压误差对应于测量电压与估计电压之间的差)。
电阻误差参数可包括:(i)第一子参数,表示放电区间的第一子区间中的第一平均电阻误差与充电区间的第二子区间中的第二平均电阻误差之间的差;(ii)第二子参数,表示放电区间的第三子区间中的电阻误差的变化率;和/或(iii)第三子参数,表示充电区间的第四子区间中的电阻误差的变化率。
测量数据可包括预设检测周期的电池测量值,估计数据可包括预设检测周期的电池估计值,可基于电池测量值和电池估计值确定预设检测周期的电阻误差值,并且电阻误差参数可与基于电阻误差值获得的操作结果对应。
操作1030可包括:基于第一子区间中的电阻误差值的平均值来确定第一平均电阻误差,基于第二子区间中的电阻误差值的平均值来确定第二平均电阻误差,以及基于第一平均电阻误差与第二平均电阻误差之间的差来确定第一子参数。
操作1030可包括:基于第三子区间中的电阻误差值的误差的增大率来确定第二子参数。
操作1030可包括:基于第四子区间中的电阻误差值的误差的减小率来确定第三子参数。
电阻误差参数可包括具有不同程度的检测灵敏度的子参数,并且各自不同的补救操作根据子参数的检测灵敏度的程度被执行。
操作1040可包括:基于估计数据的估计电压和测量数据的测量电流来确定电池的内部电阻,基于内部电阻与电阻误差参数之间的比率来确定误差率,基于测量电流和误差率的乘积来确定短路电流,以及基于估计电压与短路电流之间的比率来确定短路的短路电阻。
短路检测模式的进入条件可被预先设置,并且可包括充电/放电温度、充电/放电范围和充电/放电速度中的一个或多个,并且操作1010至1040可基于进入条件的满足而被执行。
短路阈值可基于初步实验结果来确定,可基于电池的初始驱动区间期间的实际驱动结果来确定,或者可通过将现有实验结果调整为实际驱动结果来确定。
此外,参照图1至图9提供的描述可适用于图10的短路检测方法。
在此针对图1至图10描述的计算设备、电子装置、处理器、存储器、图像传感器/相机、显示器、信息输出系统和硬件、存储装置以及其他设备、装置、单元、模块和组件由硬件组件实现或代表硬件组件。可用于执行在本申请中描述的操作的硬件组件的示例在适当的情况下包括:控制器、传感器、生成器、驱动器、存储器、比较器、算术逻辑单元、加法器、减法器、乘法器、除法器、积分器以及被配置为执行在本申请中描述的操作的任何其他电子组件。在其他示例中,执行在本申请中描述的操作的硬件组件中的一个或多个通过计算硬件(例如,通过一个或多个处理器或计算机)来实现。处理器或计算机可通过一个或多个处理元件(诸如,逻辑门的阵列、控制器和算术逻辑单元、数字信号处理器、微型计算机、可编程逻辑控制器、现场可编程门阵列、可编程逻辑阵列、微处理器或被配置为以限定的方式响应并执行指令以实现期望的结果的任何其他装置或装置的组合)来实现。在一个示例中,处理器或计算机包括或连接到存储由处理器或计算机执行的指令或软件的一个或多个存储器。由处理器或计算机实现的硬件组件可执行指令或软件(诸如,操作系统(OS)和在OS上运行的一个或多个软件应用),以执行在本申请中描述的操作。硬件组件还可响应于指令或软件的执行来访问、操控、处理、创建和存储数据。为简单起见,可以在本申请中描述的示例的描述中使用单数术语“处理器”或“计算机”,但是在其他示例中,可以使用多个处理器或计算机,或者处理器或计算机可包括多个处理元件,或多种类型的处理元件,或两者。例如,单个硬件组件或者两个或更多个硬件组件可以由单个处理器、或两个或更多个处理器、或处理器和控制器来实现。一个或多个硬件组件可以由一个或多个处理器或者处理器和控制器实现,并且一个或多个其他硬件组件可以由一个或多个其他处理器或者另外的处理器和另外的控制器实现。一个或多个处理器或者处理器和控制器可以实现单个硬件组件或者两个或更多个硬件组件。硬件组件可具有不同处理配置中的任何一个或多个,不同处理配置的示例包括:单个处理器、独立处理器、并行处理器、单指令单数据(SISD)多处理、单指令多数据(SIMD)多处理、多指令单数据(MISD)多处理以及多指令多数据(MIMD)多处理。
执行在本申请中描述的操作的在图1至图10中示出的方法通过计算硬件(例如,通过一个或多个处理器或计算机)来执行,计算硬件被实现为如上所述地执行指令或软件,以执行在本申请中描述的由所述方法执行的操作。例如,单个操作或者两个或更多个操作可通过单个处理器、或者两个或更多个处理器、或者处理器和控制器来执行。一个或多个操作可通过一个或多个处理器、或者处理器和控制器来执行,并且一个或多个其他操作可通过一个或多个其他处理器、或者另外的处理器和另外的控制器来执行。一个或多个处理器、或者处理器和控制器可执行单个操作或者两个或更多个操作。
用于控制计算硬件(例如,一个或多个处理器或计算机)以实现硬件组件并执行如上所述的方法的指令或软件被编写为计算机程序、代码段、指令或它们的任何组合,以单独地或共同地指示或配置一个或多个处理器或计算机如机器或专用计算机那样进行操作,以执行由如上所述的硬件组件和方法执行的操作。在一个示例中,指令或软件包括由一个或多个处理器或计算机直接执行的机器代码(诸如,由编译器产生的机器代码)。在其他示例中,指令或软件包括由一个或多个处理器或计算机使用解释器执行的高级代码。指令或软件可使用任何编程语言基于附图中示出的框图和流程图以及在此的相应描述来编写,附图中示出的框图和流程图以及在此的相应描述公开了执行由如上所述的硬件组件和方法执行的操作的算法。
用于控制计算硬件(例如,一个或多个处理器或计算机)以实现硬件组件并执行如上所述的方法的指令或软件以及任何相关联的数据、数据文件和数据结构可被记录、存储或固定在一个或多个非暂时性计算机可读存储介质中或一个或多个非暂时性计算机可读存储介质上。非暂时性计算机可读存储介质的示例包括:只读存储器(ROM)、随机存取可编程只读存储器(PROM)、电可擦除可编程只读存储器(EEPROM)、随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、闪存、非易失性存储器、CD-ROM、CD-R、CD+R、CD-RW、CD+RW、DVD-ROM、DVD-R、DVD+R、DVD-RW、DVD+RW、DVD-RAM、BD-ROM、BD-R、BD-RLTH、BD-RE、蓝光或光盘存储、硬盘驱动器(HDD)、固态驱动器(SSD)、闪存、卡型存储器(诸如,多媒体卡或微型卡(例如,安全数字(SD)或极限数字(XD))、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘和任意其他装置,任意其他装置被配置为以非暂时性的方式存储指令或软件以及任何相关联的数据、数据文件和数据结构,并将指令或软件以及任何相关联的数据、数据文件以及数据结构提供给一个或多个处理器或计算机,从而一个或多个处理器或计算机能够执行指令。在一个示例中,指令或软件以及任何相关联的数据、数据文件以及数据结构被分布在联网的计算机系统上,使得指令和软件以及任何相关联的数据、数据文件以及数据结构通过一个或多个处理器或计算机以分布式的方式被存储、访问和执行。
虽然本公开包括特定的示例,但是在理解本申请的公开之后将清楚,在不脱离权利要求及它们的等同物的精神和范围的情况下,可在这些示例中进行形式和细节上的各种改变。在此描述的示例将被认为仅是描述性的,而不是出于限制的目的。每个示例中的特征或方面的描述将被认为可适用于其他示例中的类似特征或方面。如果描述的技术以不同的次序被执行,和/或如果描述的系统、架构、装置或电路中的组件以不同的方式被组合,和/或由其他组件或它们的等同物替换或补充,则可实现合适的结果。
因此,除了上面的公开之外,公开的范围还可由权利要求及它们的等同物限定,并且在权利要求及它们的等同物的范围内的所有变化应被解释为包括在公开中。
Claims (20)
1.一种短路检测方法,包括:
通过针对目标时间跨度测量电池来确定测量数据,目标时间跨度包括电池充电时间跨度和/或电池放电时间跨度;
使用电池模型来确定针对目标时间跨度的电池的估计数据,电池模型模拟电池以确定估计数据;
基于测量数据和估计数据来确定电池的电阻误差参数;以及
基于对电阻误差参数和短路阈值进行比较的结果来确定电池短路条件被满足。
2.根据权利要求1所述的短路检测方法,其中
测量数据包括测量电压和测量电流,
估计数据包括估计电压,并且
电阻误差参数基于电压误差与测量电流之间的比率来确定,电压误差对应于测量电压与估计电压之间的差。
3.根据权利要求1所述的短路检测方法,其中,电阻误差参数包括以下各项中的一项或多项:
第一子参数,表示放电时间跨度的第一子时间跨度中的第一平均电阻误差与充电时间跨度的第二子时间跨度中的第二平均电阻误差之间的差;
第二子参数,表示放电时间跨度的第三子时间跨度中的电阻误差的变化率;以及
第三子参数,表示充电时间跨度的第四子时间跨度中的电阻误差的变化率。
4.根据权利要求3所述的短路检测方法,其中
测量数据包括预设检测间隔的电池测量值,
估计数据包括预设检测间隔的电池估计值,
预设检测间隔的电阻误差值基于电池测量值和电池估计值来确定,并且
电阻误差参数对应于基于电阻误差值获得的操作结果。
5.根据权利要求4所述的短路检测方法,其中,确定电阻误差参数的步骤包括:
基于第一子时间跨度中的电阻误差值的平均值来确定第一平均电阻误差;
基于第二子时间跨度中的电阻误差值的平均值来确定第二平均电阻误差;以及
基于第一平均电阻误差与第二平均电阻误差之间的差来确定第一子参数。
6.根据权利要求4所述的短路检测方法,其中,确定电阻误差参数的步骤包括:
基于第三子时间跨度中的电阻误差值的误差的增大率来确定第二子参数。
7.根据权利要求4所述的短路检测方法,其中,确定电阻误差参数的步骤包括:
基于第四子时间跨度中的电阻误差值的误差的减小率来确定第三子参数。
8.根据权利要求1所述的短路检测方法,其中
电阻误差参数包括具有不同程度的短路检测灵敏度的子参数,并且
不同的补救操作根据短路检测灵敏度的程度被执行。
9.根据权利要求1所述的短路检测方法,其中,确定电池短路条件被满足的步骤包括:
基于估计数据的估计电压和测量数据的测量电流来确定电池的内部电阻;
基于内部电阻与电阻误差参数之间的比率来确定误差率;
基于测量电流和误差率的乘积来确定短路电流;以及
基于估计电压与短路电流之间的比率来确定短路的短路电阻。
10.根据权利要求1所述的短路检测方法,其中
短路检测模式的进入条件包括:充电/放电温度、充电/放电范围和/或充电/放电速度,并且
确定测量数据、确定估计数据、确定电阻误差参数、以及确定电池短路条件被满足的步骤基于进入条件的满足而被执行。
11.根据权利要求1所述的短路检测方法,其中,短路阈值基于初步实验结果来确定,基于在电池的初始驱动区间期间的实际驱动结果来确定,或者通过将现有实验结果调整为实际驱动结果来确定。
12.一种存储指令的非暂时性计算机可读存储介质,所述指令在由处理器执行时,使得处理器执行根据权利要求1至11中任一项所述的短路检测方法。
13.一种短路检测设备,包括:
一个或多个处理器;以及
存储器,存储指令,所述指令被配置为在由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:
通过在目标时间跨度中测量电池来确定测量数据,目标时间跨度至少包括对电池进行充电的充电时间跨度和/或对电池进行放电的放电时间跨度;
使用模拟电池的电池模型来确定针对目标时间跨度的电池的估计数据;
基于测量数据与估计数据之间的误差来确定电池的电阻误差参数;并且
基于电阻误差参数与短路阈值之间的比较的结果来检测电池的短路。
14.根据权利要求13所述的短路检测设备,其中
测量数据包括测量电压和测量电流,
估计数据包括估计电压,并且
电阻误差参数基于电压误差与测量电流之间的比率来确定,电压误差对应于测量电压与估计电压之间的差。
15.根据权利要求13所述的短路检测设备,其中,电阻误差参数包括以下各项中的一项或多项:
第一子参数,表示放电时间跨度的第一子时间跨度中的第一平均电阻误差与充电时间跨度的第二子时间跨度中的第二平均电阻误差之间的差;
第二子参数,表示放电时间跨度的第三子时间跨度中的电阻误差的变化率;以及
第三子参数,表示充电时间跨度的第四子时间跨度中的电阻误差的变化率。
16.根据权利要求13所述的短路检测设备,其中
电阻误差参数包括对电池的短路具有不同程度的检测灵敏度的子参数,并且
不同的补救操作根据检测灵敏度的程度被执行。
17.根据权利要求13所述的短路检测设备,其中,所述指令还被配置为使得所述一个或多个处理器:
基于估计数据的估计电压和测量数据的测量电流来确定电池的内部电阻;
基于内部电阻与电阻误差参数之间的比率来确定误差率;
基于测量电流和误差率的乘积来确定短路电流;以及
基于估计电压与短路电流之间的比率来确定短路电阻。
18.一种电子设备,包括:
电池,被配置为将电力供应给所述电子设备;以及
一个或多个处理器,被配置为:
针对电池被充电和/或被放电的时间跨度来测量电池的测量数据;
基于模拟电池的电池模型的输出来估计电池的估计数据;
基于测量数据和估计数据来确定电池的电阻误差参数;并且
基于电阻误差参数和短路阈值来检测电池的短路。
19.根据权利要求18所述的电子设备,其中
测量数据包括测量电压和测量电流,
估计数据包括估计电压,并且
电阻误差参数基于电压误差与测量电流之间的比率来确定,电压误差对应于测量电压与估计电压之间的差。
20.根据权利要求18所述的电子设备,其中,估计数据由电池模型基于测量数据来提供,并且其中,短路基于相对于短路阈值对电阻误差参数进行评估而被检测到。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220071689A KR20230171293A (ko) | 2022-06-13 | 2022-06-13 | 배터리의 단락 검출 장치 및 방법 |
KR10-2022-0071689 | 2022-06-13 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117233657A true CN117233657A (zh) | 2023-12-15 |
Family
ID=85239146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310091286.8A Pending CN117233657A (zh) | 2022-06-13 | 2023-02-06 | 短路检测方法和设备、以及电子设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230400518A1 (zh) |
EP (1) | EP4293373A1 (zh) |
KR (1) | KR20230171293A (zh) |
CN (1) | CN117233657A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230017485A1 (en) * | 2021-07-14 | 2023-01-19 | GM Global Technology Operations LLC | Method for early detection of an internal short in a battery pack |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108241102A (zh) * | 2016-12-23 | 2018-07-03 | 华为技术有限公司 | 一种电池微短路的检测方法及装置 |
WO2019138286A1 (ja) * | 2018-01-11 | 2019-07-18 | 株式会社半導体エネルギー研究所 | 二次電池の異常検知装置、異常検知方法、及びプログラム |
CN112363059A (zh) * | 2020-11-02 | 2021-02-12 | 山东大学 | 基于gm(1,1)灰色模型的电池故障诊断方法及系统 |
CN113253120B (zh) * | 2021-06-29 | 2021-09-17 | 蜂巢能源科技有限公司 | 电池突发型内短路诊断方法、装置、存储介质及电子设备 |
-
2022
- 2022-06-13 KR KR1020220071689A patent/KR20230171293A/ko unknown
- 2022-12-21 US US18/086,173 patent/US20230400518A1/en active Pending
-
2023
- 2023-02-06 CN CN202310091286.8A patent/CN117233657A/zh active Pending
- 2023-02-14 EP EP23156495.6A patent/EP4293373A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230400518A1 (en) | 2023-12-14 |
EP4293373A1 (en) | 2023-12-20 |
KR20230171293A (ko) | 2023-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11408942B2 (en) | Method for predicting service life of retired power battery | |
EP3506452B1 (en) | Battery charging method and apparatus | |
US10931128B2 (en) | Method and apparatus to predict capacity fade rate of battery | |
US10720786B2 (en) | Method and apparatus for charging battery | |
EP4198539A1 (en) | Method and apparatus with battery short circuit detection | |
EP4019993A1 (en) | Method and apparatus for battery short circuit detection | |
EP3961232B1 (en) | Method and apparatus for battery state estimation | |
US20210119464A1 (en) | Method and apparatus controlling charging of battery based on diffusion characteristics of material included in the battery | |
CN117233657A (zh) | 短路检测方法和设备、以及电子设备 | |
US11959968B2 (en) | Method and system with battery management | |
JP2024500788A (ja) | 電池管理装置および方法 | |
EP4053572A1 (en) | Method and apparatus for estimating state of battery | |
US20220342002A1 (en) | Methods and systems for safety assessment of a battery | |
KR20210016828A (ko) | 배터리 관리 장치, 배터리 관리 방법 및 배터리 팩 | |
EP4106134A1 (en) | Method and device with charging control | |
US20230268753A1 (en) | Intelligent battery charging based on history | |
Ma et al. | State of health prediction of lithium-ion batteries under early partial data based on IWOA-BiLSTM with single feature | |
US20230400525A1 (en) | Method and system with battery parameter estimation for rest period | |
EP4016100A1 (en) | Method and apparatus for optimizing battery | |
KR102573964B1 (ko) | 배터리 soh 예측 장치 및 방법 | |
US20240030733A1 (en) | Method and apparatus with battery cell charging based on degradation parameter of electrochemical model | |
CN116243169A (zh) | 基于电池特征参数的电池状态检测方法和装置 | |
KR20210059505A (ko) | 배터리 관리 장치, 배터리 관리 방법 및 배터리 팩 | |
CN116298956A (zh) | 一种锂离子电池放电故障诊断方法及系统 | |
CN117559599A (zh) | 一种锂电池的主动均衡控制方法、系统及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |