CN117341476B - 一种电池压差故障预警方法及系统 - Google Patents
一种电池压差故障预警方法及系统 Download PDFInfo
- Publication number
- CN117341476B CN117341476B CN202311643026.3A CN202311643026A CN117341476B CN 117341476 B CN117341476 B CN 117341476B CN 202311643026 A CN202311643026 A CN 202311643026A CN 117341476 B CN117341476 B CN 117341476B
- Authority
- CN
- China
- Prior art keywords
- value
- charge
- battery
- discharge
- section
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 238000007599 discharging Methods 0.000 claims description 65
- 238000005070 sampling Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000013075 data extraction Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 abstract description 7
- 238000001514 detection method Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000411 inducer Substances 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
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
-
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
-
- 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
Abstract
本发明涉及一种电池压差故障预警方法及系统。包括:获取待检测车辆当天的数据;对数据进行预处理:循环段切分:将数据划分成多个由一个充电段和一个放电段组成的充放电循环段;循环段特征值计算:包括每个充放电循环段的电芯压差时序统计特征值并作为主要特征值,以及充电段和放电段的末端的压差值、SOC数值作为辅助特征值;阈值比较:将得到的主要特征值和辅助特征值分别作横向和纵向比较,选出压差过大风险电箱,并生成预警记录;故障定位:选择压差值最大时刻的电压数值最小的电芯作为问题电芯;保存当天生成的所有预警记录;选取最高风险时刻作为预警时刻;发出电池压差故障预警。本发明获取的数据准确、能快速定位问题电芯,便于维修。
Description
技术领域
本发明涉及电动汽车动力电池安全技术领域,更具体地,涉及一种电池压差故障预警方法及系统。
背景技术
随着社会的发展和人们对环保越来越重视,电动汽车得到了越来越广泛的应用,随着全球新能源汽车的发展,其保有量大幅上升。而动力电池作为电动汽车的能量源,其安全性也显得尤为重要。导致锂离子动力电池发生热失控的原因较多,其中内短路和析锂是重要的两个诱发因素。传统的内短路监控及检测方法为被动的监控温升速率、压降速率、气体监测等,该类方式滞后性比较大,当监控到异常时已基本上无法避免热失控的发生,存在极大的安全隐患;同时部分传统检测方法所需的检测装置较多、且需要线下进行,无法进行在线检测。传统的析锂检测方法,通过充放电效率、dv/dt等检测灵敏性较差,在整车上应用过程中不好实现监控。
现阶段电动重卡领域的压差故障识别与预警的相关方法,主要依赖与采集到的数据,设置单一的阈值和超过阈值的持续时间进行综合判断,该方法虽然可以识别大部分的压差故障,但是存在对数据采集精度要求较高、当天多次告警的情况,顾客与维修工程师体验感较差,维修工程师无法根据预警信息快速、准确的定位到最主要的问题电芯,不便于维修工程师的维修。
发明内容
本发明为克服上述现有技术中的缺陷,提供一种电池压差故障预警方法及系统,能够快速准确定位最主要的问题电芯,便于工程师的维修。
为解决上述技术问题,本发明采用的技术方案是:
一种电池压差故障预警方法,包括以下步骤:
S1. 获取待检测车辆当天的数据:包括电池状态数据和车辆运行状态数据;所述电池状态数据包括电芯电压、SOC数值、以及电流;所述车辆运行状态数据包括充放电状态数据;
S2. 对数据进行预处理:对步骤S1获取的车辆当天的数据进行预处理,根据充放电状态数据和电流数据获取电池实际的充放电状态;
S3. 循环段切分:结合电池实际的充放电状态,将获取的车辆当天的数据均划分成多个由一个充电段和一个放电段组成的充放电循环段;
S4. 循环段特征值计算:分别计算每个电箱每个电芯的充电段和放电段的电芯压差时序统计特征值,所述电芯压差时序统计特征值包括:压差均值、压差最大值、压差样本熵均值、压差样本熵最大值;然后将所述电芯压差时序统计特征值进行归一化处理后求取均值,将均值作为表征电箱一致性的主要特征值;获取每个电芯充电段和放电段的末端的电芯电压压差值、SOC数值作为辅助特征值;
S5. 阈值比较:将得到的充电段的主要特征值和充电段的辅助特征值分别与设定的充电段的第一阈值比较,将得到的放电段的主要特征值和放电段的辅助特征值分别与设定的放电段第一阈值比较;计算充电段与放电段的主要特征值之间的差值,并将差值与设定的第二阈值比较;如果分别超过充电段第一阈值、放电段第一阈值和第二阈值,则判定为压差过大风险电箱,并生成预警记录;
S6. 故障定位:基于步骤S5判定的压差过大风险电箱,对问题电芯进行定位,选择压差值最大时刻的电压数值最小的电芯作为问题电芯;
S7. 保存当天生成的所有预警记录。
根据上述技术手段,在本发明中,对采集的数据进行预处理,结合了电流数据和直接获取的充放电状态进行综合比较,得到更加真实的充放电状态,避免了采集的充放电状态出现数据异常,而导致对充放电状态判断错误,提高了数据的准确性;本发明还结合电芯压差故障机理以及车辆充放电状态分析,将车辆运行数据划分为多段充放电循环段,并在充放电循环段内单独计算充电段和放电段的电芯压差时序统计特征值,以及充电末端、放电末端的电芯电压压差值,并对上去数值分别进行横向和纵向比较,对故障的判断结果更加准确;另外,本发明还能快速定位到每个电箱实际出现故障的问题电芯,针对多个电箱,能够判断出具体哪个电箱的哪一个电芯出现的故障最大,便于维修人员快速获知问题电芯的位置,以及优先处理风险最大的电芯。
进一步地,还包括以下步骤:
S8. 选取最高风险时刻作为预警时刻:针对多个充放电循环段,选取所有充放电循环段中压差值最大的时刻作用当天的最高风险时刻;
S9. 发出电池压差故障预警:根据选取的预警时刻发出电池压差故障预警。
本发明针对当天的车辆运行数据给且至给出一条预警结果,即根据最高风险时刻发出电池压差故障预警,保证准确预警的同时,提高了用户(驾驶员和维修工程师)的体验感。
进一步地,在所述步骤S2中,针对电池状态数据,将电芯电压空值和异常值进行剔除,将SOC数值和电流空值进行均值填充。
进一步地,所述异常值为电压值大于4.5或小于2的数值。
进一步地,在所述步骤S2中,根据充放电状态数据和电流数据获取电池实际的充放电状态,具体包括:通过电流状态生成冗余的车辆电池充放电状态字段,并与所述充放电状态数据进行比较,当两者所表示的充放电状态不一致时,结合电流的数值大小,选取实际的充放电状态。
进一步地,所述电流状态包括电流数值为正和电流数值为负。
进一步地,在步骤S4中计算电芯压差时序统计特征值具体包括:假设每个电箱有n个电芯,每个电芯每隔s秒采样一次,假设每个放电段和每个充电段中各采样q次,则第i个电箱放电段或充电段特征值计算如下:
式中:为第i个电箱j采样时刻的电芯电压最大值/>和电芯电压最小值/>的差值,即压差;/>为某个充电段或放电段的压差均值,/>为某个充电段或放电段的压差最大值,/>为某个充电段或放电段的压差总和,/>为j采样时刻所有电芯电压数值求样本熵值;m为样本熵模板长度,/>是基于j采样时刻第i个电箱所有电芯电压序列严格匹配的长度为m+1的子序列的数量,/>是与j采样时刻第i个电箱所有电芯电压序列前m个数据点匹配的长度为m的子序列的数量;/>为某个充电段或放电段的第i个电箱的样本熵均值,对应/>为样本熵最大值。
进一步地,在步骤S4中,将所述电芯压差时序统计特征值作归一化处理,然后再计算每个电箱的压差最大值、压差均值、样本熵最大值和样本熵均值的均值,将所述均值作为表征电箱一致性的主要特征值。
本发明还提供一种电池压差故障预警系统,包括:
数据提取模块:用于获取待检测车辆当天的数据,包括电池状态数据和车辆运行状态数据;所述电池状态数据包括电芯电压、SOC数值、以及电流;所述车辆运行状态数据包括充放电状态数据;
数据预处理模块:用于对数据提取模块所获取的车辆当天数据进行预处理,根据充放电状态数据和电流数据获取电池实际的充放电状态;
循环段切分模块:用于结合电池实际的充放电状态,将获取的车辆当天的数据均划分成多个由一个充电段和一个放电段组成的充放电循环段;
循环段特征值计算模块:用于分别计算每个电箱充电段和放电段的电芯压差时序统计特征值,所述电芯压差时序统计特征值包括:压差均值、压差最大值、压差样本熵均值、压差样本熵最大值;然后将所述电芯压差时序统计特征值进行归一化处理后求取均值,将均值作为表征电箱一致性的主要特征值;获取每个充电段和放电段的末端的电芯电压压差值、SOC数值作为辅助特征值;
阈值比较模块:用于对充电段的主要特征值和充电段的辅助特征值分别与设定的充电段的第一阈值比较、对放电段的主要特征值和放电段的辅助特征值分别与设定的放电段第一阈值比较,然后计算充电段与放电段的主要特征值之间的差值,并将差值与设定的第二阈值比较,如果分别超过充电段第一阈值、放电段第一阈值和第二阈值,则判定为压差过大风险电箱,并生成预警记录;
故障定位模块:用于基于阈值比较模块所判定的压差过大风险电箱,对问题电芯进行定位,选择压差最大时刻的电压数值最小的电芯作为问题电芯;
存储模块:用于存储当天生成的所有预警记录;
预警发送模块:用于选取最高风险时刻作为预警时刻,根据选取的预警时刻发出电池压差故障预警;其中,针对多个充放电循环段,选取所有充放电循环段中压差值最大的时刻作用当天的最高风险时刻。
本发明还提供一种计算机可读存储介质,其中存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的方法。
本发明还提供一种电子设备,包括处理器、存储器以及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如上所述的方法。
与现有技术相比,有益效果是:
1、本发明提供的一种电池压差故障预警方法及系统,结合了电流数据和直接获取的充放电状态进行综合比较,得到更加真实的充放电状态,避免了采集的充放电状态出现数据异常,而导致对充放电状态判断错误,提高了数据的准确性;
2、本发明将车辆运行数据划分为多段充放电循环段,并在充放电循环段内对各个数值分别进行横向和纵向比较,对故障的判断结果更加准确;而且还能快速定位到每个电箱实际出现故障的问题电芯,便于维修人员快速获知问题电芯的位置,以及优先处理风险最大的电芯;
3、本发明针对当天的车辆运行数据给且至给出一条预警结果,即根据最高风险时刻发出电池压差故障预警,保证准确预警的同时,提高了用户(驾驶员和维修工程师)的体验感。
附图说明
图1是本发明实施例1的方法流程示意图。
图2是本发明实施例2的结构示意图。
具体实施方式
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的一部分实施例,而不是全部的实施例。下面结合具体实施方式对本发明作在其中一个实施例中说明。其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本专利的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
另外,若本发明实施例中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其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至少一个该特征。另外,全文中出现的“和/或”的含义为,包括三个并列的方案,以“A和/或B”为例,包括A方案,或B方案,或A和B同时满足的方案。
实施例1:
如图1所示,本实施例提供一种电池压差故障预警方法,包括以下步骤:
步骤S1. 获取待检测车辆当天的数据:包括电池状态数据和车辆运行状态数据;所述电池状态数据包括电芯电压、SOC数值、以及电流;所述车辆运行状态数据包括充放电状态数据。
步骤S2. 对数据进行预处理:对步骤S1获取的车辆当天的数据进行预处理,根据充放电状态数据和电流数据获取电池实际的充放电状态。
针对电池状态数据:电芯电压、SOC数值、电流等,车辆运行状态数据:充放电状态等执行不同的预处理操作。其中将电芯电压空值、异常值(大于4.5或者小于2)数值行剔除;SOC数值、电流空值进行均值填充;通过电流状态生成冗余的车辆电池充放电状态字段,并与所述充放电状态数据进行比较,当两者所表示的充放电状态不一致时,结合电流的数值大小,选取实际的充放电状态,其中电流状态包括电流数值为正和电流数值为负。例如,当车辆处于刹车状态时,若此时采集到的充放电状态为放电状态,而在刹车状态下,电流的数值为负值,而电流为负值时表示处于充电状态;在这种情况下,就会出现两者所表示的充放电状态不一致,此时,则可以结构电流数值的大小进一步判断,如果此时电流的数值较大,则表示处于充电状态,如果电流的数值较小比如为小于10的数值,则表示处于放电状态。
步骤S3. 循环段切分:结合电池实际的充放电状态,将获取的车辆当天的数据均划分成多个由一个充电段和一个放电段组成的充放电循环段。
在本发明中,通过结合电池压差故障机理的数据分析,压差异常的电芯电压在充电段和放电段有着时间连续的特征表现,因此,本发明将获取的车辆当天的数据均划分成多个由一个充电段和一个放电段组成的充放电循环段。其中,数据分析指的是观察故障车和正常车,对比两种车型它在充电或放电状态下SOC数值与电压之间的关系,一般充电末端和放电末端会有较为显著的压差现象,结合SOC数值可以看出压差问题。
步骤S4. 循环段特征值计算:分别计算每个电箱每个电芯的充电段和放电段的电芯压差时序统计特征值,所述电芯压差时序统计特征值包括:压差均值、压差最大值、压差样本熵均值、压差样本熵最大值;然后将所述电芯压差时序统计特征值进行归一化处理后求取均值,将均值作为表征电箱一致性的主要特征值;获取每个电芯充电段和放电段的末端的电芯电压压差值、SOC数值作为辅助特征值。
首先,分别计算每个电箱充电段和放电段的电芯压差时序统计特征值:
假设每个电箱有n个电芯,每个电芯每隔s秒采样一次,假设每个放电段和每个充电段中各采样q次,则第i个电箱放电段或充电段特征值计算如下:
式中:为第i个电箱j采样时刻的电芯电压最大值/>和电芯电压最小值/>的差值,即压差;/>为某个充电段或放电段的压差均值,/>为某个充电段或放电段的压差最大值,/>为某个充电段或放电段的压差总和,/>为j采样时刻所有电芯电压数值求样本熵值;m为样本熵模板长度,/>是基于j采样时刻第i个电箱所有电芯电压序列严格匹配的长度为m+1的子序列的数量,/>是与j采样时刻第i个电箱所有电芯电压序列前m个数据点匹配的长度为m的子序列的数量;/>为某个充电段或放电段的第i个电箱的样本熵均值,对应/>为样本熵最大值。
然后,将所述电芯压差时序统计特征值作归一化处理,然后再计算每个电箱的压差最大值、压差均值、样本熵最大值和样本熵均值的均值,将所述均值作为表征电箱一致性的主要特征值。
在本实施例中,采用的归一化计算公式为:X’=(X-Xmin)/(Xmax-Xmin),其中,X表示原始值,Xmin 表示最小值,Xmax 表示最大值,X’表示归一化处理后的值。
除此之外,结合电池充放电机理特性,一致性差的电芯在电池的充放电末段尤其是放电末端以及SOC数值过低(低于20%)时更易表露出压差大的故障特点,因此获取充电段、和放电段末端的电芯电压压差值、电池SOC数值作为辅助判特征值。
步骤S5. 阈值比较:该部分分为两个方面进行比较,首先对充电段得到的主要特征值和充电段的辅助特征值作横向比较,分别与设定的充电段第一阈值比较,将得到的放电段的主要特征值和放电段的辅助特征值分别与设定的放电段第一阈值比较;其次纵向比较充电段和放电段的主要特征值,计算充电段与放电段(一个循环段内的充电段和放电段)的主要特征值之间的差值,并将差值与设定的第二阈值比较;如果分别超过充电段第一阈值、放电段第一阈值和第二阈值,则判定为压差过大风险电箱,并生成预警记录。设定的第一阈值和第二阈值是对比正常车和故障车特征值的数值,得到的一个中间值,也是基于本领域的技术人员的经验,设定的阈值。
步骤S6. 故障定位:基于步骤S5判定的压差过大风险电箱,对问题电芯进行定位,选择压差值最大时刻的电压数值最小的电芯作为问题电芯。
步骤S7. 保存当天生成的所有预警记录;
步骤S8. 选取最高风险时刻作为预警时刻:针对多个充放电循环段,选取所有充放电循环段中压差值最大的时刻作用当天的最高风险时刻;最高风险时刻是对比多处大于阈值的时刻,超出阈值最大的时刻,为最高风险时刻。
步骤S9. 发出电池压差故障预警:根据选取的预警时刻发出电池压差故障预警。
根据上述技术手段,在本发明中,对采集的数据进行预处理,结合了电流数据和直接获取的充放电状态进行综合比较,得到更加真实的充放电状态,避免了采集的充放电状态出现数据异常,而导致对充放电状态判断错误,提高了数据的准确性;本发明还结合电芯压差故障机理以及车辆充放电状态分析,将车辆运行数据划分为多段充放电循环段,并在充放电循环段内单独计算充电段和放电段的电芯压差时序统计特征值,以及充电末端、放电末端的电芯电压压差值,并对上去数值分别进行横向和纵向比较,对故障的判断结果更加准确;另外,本发明还能快速定位到每个电箱实际出现故障的问题电芯,针对多个电箱,能够判断出具体哪个电箱的哪一个电芯出现的故障最大,便于维修人员快速获知问题电芯的位置,以及优先处理风险最大的电芯。而且,本发明针对当天的车辆运行数据给且至给出一条预警结果,即根据最高风险时刻发出电池压差故障预警,保证准确预警的同时,提高了用户(驾驶员和维修工程师)的体验感。
实施例2
如图2所示,本实施例提供一种电池压差故障预警系统,包括:
数据提取模块:用于获取待检测车辆当天的数据,包括电池状态数据和车辆运行状态数据;所述电池状态数据包括电芯电压、SOC数值、以及电流;所述车辆运行状态数据包括充放电状态数据;
数据预处理模块:用于对数据提取模块所获取的车辆当天数据进行预处理,根据充放电状态数据和电流数据获取电池实际的充放电状态;
循环段切分模块:用于结合电池实际的充放电状态,将获取的车辆当天的数据均划分成多个由一个充电段和一个放电段组成的充放电循环段;
循环段特征值计算模块:用于分别计算每个电箱充电段和放电段的电芯压差时序统计特征值,所述电芯压差时序统计特征值包括:压差均值、压差最大值、压差样本熵均值、压差样本熵最大值;然后将所述电芯压差时序统计特征值进行归一化处理后求取均值,将均值作为表征电箱一致性的主要特征值;获取每个充电段和放电段的末端的电芯电压压差值、SOC数值作为辅助特征值;
阈值比较模块:用于对充电段得到的主要特征值和充电段得到的辅助特征值分别与设定的充电段第一阈值比较、对放电段得到的主要特征值和放电段得到的辅助特征值分别与设定的放电段第一阈值比较,然后计算充电段与放电段的主要特征值之间的差值,并将差值与设定的第二阈值比较,如果分别超过充电段第一阈值、放电段第一阈值和第二阈值,则判定为压差过大风险电箱,并生成预警记录;
故障定位模块:用于基于阈值比较模块所判定的压差过大风险电箱,对问题电芯进行定位,选择压差最大时刻的电压数值最小的电芯作为问题电芯;
存储模块:用于存储当天生成的所有预警记录;
预警发送模块:用于选取最高风险时刻作为预警时刻,根据选取的预警时刻发出电池压差故障预警;其中,针对多个充放电循环段,选取所有充放电循环段中压差值最大的时刻作用当天的最高风险时刻。
实施例3
本实施例提供一种计算机可读存储介质,其中存储有计算机程序,所述计算机程序被处理器执行时实现如实施例1所述的方法。
实施例4
本实施例提供一种电子设备,包括处理器、存储器以及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如实施例1所述的方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (8)
1.一种电池压差故障预警方法,其特征在于,包括以下步骤:
S1. 获取待检测车辆当天的数据:包括电池状态数据和车辆运行状态数据;所述电池状态数据包括电芯电压、SOC数值、以及电流;所述车辆运行状态数据包括充放电状态数据;
S2. 对数据进行预处理:对步骤S1获取的车辆当天的数据进行预处理,根据充放电状态数据和电流数据获取电池实际的充放电状态;其中,通过电流状态生成冗余的车辆电池充放电状态字段,并与所述充放电状态数据进行比较,当两者所表示的充放电状态不一致时,结合电流的数值大小,选取实际的充放电状态;
S3. 循环段切分:结合电池实际的充放电状态,将获取的车辆当天的数据均划分成多个由一个充电段和一个放电段组成的充放电循环段;
S4. 循环段特征值计算:分别计算每个电箱中每个电芯的充电段和放电段的电芯压差时序统计特征值,所述电芯压差时序统计特征值包括:压差均值、压差最大值、压差样本熵均值、压差样本熵最大值;然后将所述电芯压差时序统计特征值进行归一化处理后求取均值,将均值作为表征电箱一致性的主要特征值;获取每个电芯充电段和放电段的末端的电芯电压压差值、SOC数值作为辅助特征值;
S5. 阈值比较:将得到的充电段的主要特征值和充电段的辅助特征值分别与设定的充电段第一阈值比较,将得到的放电段的主要特征值和放电段的辅助特征值分别与设定的放电段第一阈值比较;计算充电段与放电段的主要特征值之间的差值,并将差值与设定的第二阈值比较;如果分别超过充电段第一阈值、放电段第一阈值和第二阈值,则判定为压差过大风险电箱,并生成预警记录;
S6. 故障定位:基于步骤S5判定的压差过大风险电箱,对问题电芯进行定位,选择压差值最大时刻的电压数值最小的电芯作为问题电芯;
S7. 保存当天生成的所有预警记录;
S8. 选取最高风险时刻作为预警时刻:针对多个充放电循环段,选取所有充放电循环段中压差值最大的时刻作用当天的最高风险时刻;
S9. 发出电池压差故障预警:根据选取的预警时刻发出电池压差故障预警。
2.根据权利要求1所述的电池压差故障预警方法,其特征在于,在所述步骤S2中,针对电池状态数据,将电芯电压空值和异常值进行剔除,将SOC数值和电流空值进行均值填充。
3.根据权利要求1所述的电池压差故障预警方法,其特征在于,所述电流状态包括电流数值为正和电流数值为负。
4.根据权利要求1至3任一项所述的电池压差故障预警方法,其特征在于,在步骤S4中计算电芯压差时序统计特征值具体包括:假设每个电箱有n个电芯,每个电芯每隔s秒采样一次,假设每个放电段和每个充电段中各采样q次,则第i个电箱放电段或充电段特征值计算如下:
式中:为第i个电箱j采样时刻的电芯电压最大值/>和电芯电压最小值/>的差值,即压差;/>为某个充电段或放电段的压差均值,/>为某个充电段或放电段的压差最大值,/>为某个充电段或放电段的压差总和,/>为j采样时刻所有电芯电压数值求样本熵值;m为样本熵模板长度,/>是基于j采样时刻第i个电箱所有电芯电压序列严格匹配的长度为m+1的子序列的数量,/>是与j采样时刻第i个电箱所有电芯电压序列前m个数据点匹配的长度为m的子序列的数量;/>为某个充电段或放电段的第i个电箱的样本熵均值,对应/>为样本熵最大值。
5.根据权利要求4所述的电池压差故障预警方法,其特征在于,在步骤S4中,将所述电芯压差时序统计特征值作归一化处理,然后再计算每个电箱的压差最大值、压差均值、样本熵最大值和样本熵均值的均值,将所述均值作为表征电箱一致性的主要特征值。
6.一种电池压差故障预警系统,其特征在于,包括:
数据提取模块:用于获取待检测车辆当天的数据,包括电池状态数据和车辆运行状态数据;所述电池状态数据包括电芯电压、SOC数值、以及电流;所述车辆运行状态数据包括充放电状态数据;
数据预处理模块:用于对数据提取模块所获取的车辆当天数据进行预处理,根据充放电状态数据和电流数据获取电池实际的充放电状态;其中,通过电流状态生成冗余的车辆电池充放电状态字段,并与所述充放电状态数据进行比较,当两者所表示的充放电状态不一致时,结合电流的数值大小,选取实际的充放电状态;
循环段切分模块:用于结合电池实际的充放电状态,将获取的车辆当天的数据均划分成多个由一个充电段和一个放电段组成的充放电循环段;
循环段特征值计算模块:用于分别计算每个电箱充电段和放电段的电芯压差时序统计特征值,所述电芯压差时序统计特征值包括:压差均值、压差最大值、压差样本熵均值、压差样本熵最大值;然后将所述电芯压差时序统计特征值进行归一化处理后求取均值,将均值作为表征电箱一致性的主要特征值;获取每个充电段和放电段的末端的电芯电压压差值、SOC数值作为辅助特征值;
阈值比较模块:用于对充电段的主要特征值和充电段的辅助特征值分别与设定的充电段的第一阈值比较、对放电段的主要特征值和放电段的辅助特征值分别与设定的放电段第一阈值比较,然后计算充电段与放电段的主要特征值之间的差值,并将差值与设定的第二阈值比较,如果分别超过充电段第一阈值、放电段第一阈值和第二阈值,则判定为压差过大风险电箱,并生成预警记录;
故障定位模块:用于基于阈值比较模块所判定的压差过大风险电箱,对问题电芯进行定位,选择压差最大时刻的电压数值最小的电芯作为问题电芯;
存储模块:用于存储当天生成的所有预警记录;
预警发送模块:用于选取最高风险时刻作为预警时刻,根据选取的预警时刻发出电池压差故障预警;其中,针对多个充放电循环段,选取所有充放电循环段中压差值最大的时刻作用当天的最高风险时刻。
7.一种计算机可读存储介质,其特征在于,其中存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的方法。
8.一种电子设备,其特征在于,包括处理器、存储器以及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311643026.3A CN117341476B (zh) | 2023-12-04 | 2023-12-04 | 一种电池压差故障预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311643026.3A CN117341476B (zh) | 2023-12-04 | 2023-12-04 | 一种电池压差故障预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117341476A CN117341476A (zh) | 2024-01-05 |
CN117341476B true CN117341476B (zh) | 2024-02-27 |
Family
ID=89371412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311643026.3A Active CN117341476B (zh) | 2023-12-04 | 2023-12-04 | 一种电池压差故障预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117341476B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110146820A (zh) * | 2019-05-23 | 2019-08-20 | 武汉市康达电气有限公司 | 实现氢燃料电池电压高速采集和实时传输的装置与方法 |
CN111505532A (zh) * | 2020-04-28 | 2020-08-07 | 上海理工大学 | 基于soc相关系数的串联锂电池组早期内短路在线检测方法 |
CN114690039A (zh) * | 2020-12-30 | 2022-07-01 | 华为技术有限公司 | 一种确定电池的放电内阻模型和健康度的方法及装置 |
CN115805810A (zh) * | 2022-10-31 | 2023-03-17 | 宁德时代新能源科技股份有限公司 | 电池故障预测方法、装置、设备、存储介质和程序产品 |
CN116461334A (zh) * | 2023-04-25 | 2023-07-21 | 吉利汽车研究院(宁波)有限公司 | 车辆预警方法、装置、设备及存储介质 |
CN116482540A (zh) * | 2023-04-17 | 2023-07-25 | 合创汽车科技有限公司 | 电池电压不一致性的分析预测方法、装置及系统 |
-
2023
- 2023-12-04 CN CN202311643026.3A patent/CN117341476B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110146820A (zh) * | 2019-05-23 | 2019-08-20 | 武汉市康达电气有限公司 | 实现氢燃料电池电压高速采集和实时传输的装置与方法 |
CN111505532A (zh) * | 2020-04-28 | 2020-08-07 | 上海理工大学 | 基于soc相关系数的串联锂电池组早期内短路在线检测方法 |
CN114690039A (zh) * | 2020-12-30 | 2022-07-01 | 华为技术有限公司 | 一种确定电池的放电内阻模型和健康度的方法及装置 |
CN115805810A (zh) * | 2022-10-31 | 2023-03-17 | 宁德时代新能源科技股份有限公司 | 电池故障预测方法、装置、设备、存储介质和程序产品 |
CN116482540A (zh) * | 2023-04-17 | 2023-07-25 | 合创汽车科技有限公司 | 电池电压不一致性的分析预测方法、装置及系统 |
CN116461334A (zh) * | 2023-04-25 | 2023-07-21 | 吉利汽车研究院(宁波)有限公司 | 车辆预警方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117341476A (zh) | 2024-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110794305B (zh) | 一种动力电池故障诊断方法和系统 | |
CN110018425B (zh) | 一种动力电池故障诊断方法及系统 | |
CN114430080B (zh) | 一种基于运行数据的动力电池电芯异常自放电的识别方法 | |
CN109655754B (zh) | 一种基于充电过程多维分阶的电池性能评估方法 | |
CN112092675A (zh) | 一种电池热失控预警方法、系统及服务器 | |
CN111257755B (zh) | 一种预防性检测诊断电池包方法 | |
CN113687234B (zh) | 电池异常识别方法、装置、设备、介质及程序产品 | |
CN114559819B (zh) | 一种基于信号处理的电动汽车电池安全预警方法 | |
CN110806508B (zh) | 一种基于数据的高压回路接触电阻变化的评估方法 | |
CN110940921A (zh) | 基于修正方差的锂离子电池串的多故障诊断方法及系统 | |
CN110045291B (zh) | 一种锂电池容量估计方法 | |
CN112345955B (zh) | 一种动力电池多故障在线诊断方法与系统 | |
CN115384311A (zh) | 诊断动力电池绝缘故障方法、系统、车辆及存储介质 | |
CN112363061A (zh) | 一种基于大数据的热失控风险评估方法 | |
CN113030758A (zh) | 基于锂离子电池容量跳水点的老化预警方法、系统、汽车及计算机存储介质 | |
CN114646888A (zh) | 一种动力电池容量衰减的评估方法及系统 | |
CN116165552A (zh) | 一种电池系统过压/欠压故障定位方法 | |
CN113687251A (zh) | 一种基于双模型的锂离子电池组电压异常故障诊断方法 | |
CN117341476B (zh) | 一种电池压差故障预警方法及系统 | |
CN112965001A (zh) | 一种基于实车数据的动力电池组故障诊断方法 | |
CN116923188A (zh) | 一种新能源车的充电保护系统 | |
CN115792634A (zh) | 一种基于云端在线数据的电池单体电压采样故障识别方法 | |
CN115128468A (zh) | 一种化学储能电池phm欠压故障预测方法 | |
CN115469226A (zh) | 一种基于运行大数据的电动汽车动力电池实时安全预警方法 | |
CN112330176A (zh) | 一种锂电池铜排松动故障诊断及预测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |