CN117686912A - 电池热失控预测方法、装置和预警系统 - Google Patents
电池热失控预测方法、装置和预警系统 Download PDFInfo
- Publication number
- CN117686912A CN117686912A CN202311541535.5A CN202311541535A CN117686912A CN 117686912 A CN117686912 A CN 117686912A CN 202311541535 A CN202311541535 A CN 202311541535A CN 117686912 A CN117686912 A CN 117686912A
- Authority
- CN
- China
- Prior art keywords
- risk factor
- thermal runaway
- battery
- factor score
- temperature
- 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 102
- 230000008569 process Effects 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 5
- 238000004146 energy storage Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 14
- 238000006243 chemical reaction Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 210000004027 cell Anatomy 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Secondary Cells (AREA)
Abstract
本申请公开了一种电池热失控预测方法、装置和预警系统,属于储能系统领域。所述电池热失控预测方法,包括:基于待测电池在至少一个时间段内的电特征和温度特征中的至少一种,确定待测电池在时间段内所对应的电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数中的至少两种;基于电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数中的至少两种,确定各时间段对应的热失控风险因子分数;基于至少一个热失控风险因子分数,确定待测电池对应的热失控预测结果。本申请的电池热失控预测方法,基于热失控风险因子分数进行热失控预测,具有较高的预测准确性和及时性。
Description
技术领域
本申请属于储能系统领域,尤其涉及一种电池热失控预测方法、装置和预警系统。
背景技术
电池热失控(TR)是一种严重的安全问题,电池在使用或充放电过程中产生过多的热量,导致电池温度升高并无法有效散热,进而可能引发火灾或爆炸等安全风险。相关技术中,缺少有效的手段对电池热失控进行预测,当热失控发生时,现场运维人员无法感知到,也不能及时进行人工干预,影响电池安全。
发明内容
本申请旨在至少解决现有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预测方法、装置和预警系统,通过分配各特征在电池热失控过程中的影响因子以得到最终的热失控风险因子分数,以基于热失控风险因子分数进行热失控预测,具有较高的预测准确性和及时性。
第一方面,本申请提供了一种电池热失控预测方法,该方法包括:
基于待测电池在至少一个时间段内的电特征和温度特征中的至少一种,确定所述待测电池在所述时间段内所对应的电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数中的至少两种;
基于所述电压风险因子分数、所述最高温度风险因子分数和所述温升速率风险因子分数中的至少两种,确定各所述时间段对应的热失控风险因子分数;
基于至少一个所述热失控风险因子分数,确定所述待测电池对应的热失控预测结果。
根据本申请的电池热失控预测方法,通过从电特征和温度特征等多个不同的角度出发,无需构建复杂的电化学模型,操作简单便捷;通过分配各特征在电池热失控过程中的影响因子以得到最终的热失控风险因子分数,以基于热失控风险因子分数进行热失控预测,具有较高的预测准确性、全面性和及时性。
根据本申请的一个实施例,所述基于待测电池在至少一个时间段内的电特征和温度特征中的至少一种,确定所述待测电池在所述时间段内所对应的电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数中的至少两种,包括:
分别获取所述电特征和所述温度特征对应的参数阈值范围;
基于所述参数阈值范围和目标范围区间,对与所述参数阈值范围对应的特征进行映射,得到所述电特征对应的无权重分数和所述温度特征对应的无权重分数;
基于所述电特征对应的无权重分数和所述温度特征对应的无权重分数,得到所述电压风险因子分数、所述最高温度风险因子分数和所述温升速率风险因子分数。
根据本申请的一个实施例,所述基于待测电池在至少一个时间段内的电特征和温度特征中的至少一种,确定所述待测电池在所述时间段内所对应的电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数中的至少两种,包括:
基于所述电特征所包括的所述时间段内最大电压、电池压降速率以及最小电压中的至少一种,确定所述电压风险因子分数。
根据本申请的一个实施例,所述基于所述电特征所包括的所述时间段内最大电压、电池压降速率以及最小电压中的至少一种,确定所述电压风险因子分数,包括:
将所述最大电压对应的无权重分数、所述电池压降速率对应的无权重分数以及所述最小电压对应的无权重分数中最小的分数确定为所述电压风险因子分数。
根据本申请的一个实施例,所述基于待测电池在至少一个时间段内的电特征和温度特征中的至少一种,确定所述待测电池在所述时间段内所对应的电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数中的至少两种,包括:
获取所述时间段内,所述待测电池在达到电池表面最高温度之前所出现的最低温度;
基于所述电池表面最高温度、所述最低温度和所述时间段内所述最低温度与所述电池表面最高温度之间的第一时长,确定电池表面温升速率;
将所述电池表面温升速率对应的无权重分数,确定为所述温升速率风险因子分数。
根据本申请的一个实施例,所述基于所述电压风险因子分数、所述最高温度风险因子分数和所述温升速率风险因子分数中的至少两种,确定各所述时间段对应的热失控风险因子分数,包括:
采用层次分析法,对所述电压风险因子分数、所述最高温度风险因子分数和所述温升速率风险因子分数中的至少两种进行加权计算,得到所述热失控风险因子分数。
根据本申请的一个实施例,在所述热失控风险因子分数为多个的情况下,所述基于至少一个所述热失控风险因子分数,确定所述待测电池对应的热失控预测结果,包括:
在多个所述热失控风险因子分数中至少部分所述热失控风险因子分数连续低于预警阈值的情况下,确定所述热失控预测结果为发生热失控。
根据本申请的一个实施例,在所述基于至少一个所述热失控风险因子分数,确定所述待测电池对应的热失控预测结果之后,所述方法还包括:
在确定所述热失控预测结果为发生热失控的情况下,输出预警信息。
第二方面,本申请提供了一种电池热失控预测装置,该装置包括:
第一处理模块,用于基于待测电池在至少一个时间段内的电特征和温度特征中的至少一种,确定所述待测电池在所述时间段内所对应的电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数中的至少两种;
第二处理模块,用于基于所述电压风险因子分数、所述最高温度风险因子分数和所述温升速率风险因子分数中的至少两种,确定各所述时间段对应的热失控风险因子分数;
第三处理模块,用于基于至少一个所述热失控风险因子分数,确定所述待测电池对应的热失控预测结果。
根据本申请的电池热失控预测装置,通过从电特征和温度特征等多个不同的角度出发,无需构建复杂的电化学模型,操作简单便捷;通过分配各特征在电池热失控过程中的影响因子以得到最终的热失控风险因子分数,以基于热失控风险因子分数进行热失控预测,具有较高的预测准确性、全面性和及时性。
第三方面,本申请提供了一种预警系统,所述预警系统基于如第一方面所述的电池热失控预测方法进行电池热失控预测。
第四方面,本申请提供了一种非暂态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如上述第一方面所述的电池热失控预测方法。
第五方面,本申请提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的电池热失控预测方法。
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:
通过从电特征和温度特征等多个不同的角度出发,无需构建复杂的电化学模型,操作简单便捷;通过分配各特征在电池热失控过程中的影响因子以得到最终的热失控风险因子分数,以基于热失控风险因子分数进行热失控预测,具有较高的预测准确性、全面性和及时性。
进一步地,通过设置目标范围区间以基于电池在正常运行状态下的参数阈值范围对各不同特征进行无量纲转化,得到各特征对应的无权重分数,转换合理且操作简单,有助于后续对各特征对应的无权重分数进行不同权重的赋值计算从而得到能够用于综合评价热失控情况的热失控风险因子分数。
更进一步地,通过采用层次分析法对电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数进行权重赋值,能够使用最小化难度比较不同属性的因素,从而提高准确性和全面性,以提高所得到的热失控风险因子分数的准确性以及真实性。
再进一步地,通过在确定待测电池发生热失控的情况下输出预警信息,弥补电池管理系统在电池热失控预警方面功能的缺失,在电站电池大数据运维管理系统部署预警电池热失控风险系统,能够及时进行热失控预警以提醒运维人员开展储能系统的安全维护,有效保证电站的正常运行。
本申请的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本申请实施例提供的电池热失控预测方法的流程示意图之一;
图2是本申请实施例提供的电池热失控预测方法的流程示意图之二;
图3是本申请实施例提供的电池热失控预测方法的原理示意图之一;
图4是本申请实施例提供的电池热失控预测方法的原理示意图之二;
图5是本申请实施例提供的电池热失控预测方法的流程示意图之三;
图6是本申请实施例提供的电池热失控预测方法的结果示意图之一;
图7是本申请实施例提供的电池热失控预测装置的结构示意图;
图8是本申请实施例提供的电子设备的结构示意图;
图9是本申请实施例提供的电池热失控预测方法的结果示意图之二。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚地描述,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获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不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,以便本申请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,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的电池热失控预测方法、电池热失控预测装置、预警系统和可读存储介质进行详细地说明。
其中,电池热失控预测方法可应用于终端,具体可由,终端中的硬件或软件执行。
该终端包括但不限于移动电话或平板电脑等便携式通信设备。还应当理解的是,在某些实施例中,该终端可以不是便携式通信设备,而是台式计算机。
本申请实施例提供的电池热失控预测方法,该电池热失控预测方法的执行主体可以为电子设备或者电子设备中能够实现该电池热失控预测方法的功能模块或功能实体,本申请实施例提及的电子设备包括但不限于手机、平板电脑、电脑、相机和可穿戴设备等,下面以电子设备作为执行主体为例对本申请实施例提供的电池热失控预测方法进行说明。
如图1所示,该电池热失控预测方法包括:步骤110、步骤120和步骤130。
步骤110、基于待测电池在至少一个时间段内的电特征和温度特征中的至少一种,确定待测电池在时间段内所对应的电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数中的至少两种;
在该步骤中,时间段可以为一个较短的时间窗口。
例如,一个时间段的持续时长T可以为15s、30s或其他数值等。
对于每个时间段,其处理逻辑相似,下文以一个时间段为例进行说明。
在一个时间段内,如一个30s的时间窗口内,采集待测电池在多个采集时刻下的温度特征以及电特征。
电特征为用于表征待测电池电压相关特性的特征,可以包括:该时间段内的最大电压、电池压降速率以及最小电压等。
在一些实施例中,电特征也可以通过电流特征或功率特征等换算得到,具体可基于实际情况进行选择。
温度特征为用于表征电池表面温度相关特性的特征,可以包括:该时间段内的电池表面最高温度以及电池表面温升速率等。
可以理解的是,电池热失控受电压以及表面温度多种因素影响。
在本申请中,电压风险因子分数即为当前时间段内,在不考虑其他影响因素的情况下,影响电池热失控的电压相关因素的分数;最高温度风险因子分数和温升速率风险因子分数为当前时间段内,在不考虑其他影响因素的情况下,影响电池热失控的表面温度相关因素的分数。
需要说明的是,该步骤中所获取的电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数为无权重分数。
在后续计算过程中,可结合实际情况对上述各因子分数赋予不同的权重,以使得更贴合实际情况。
在实际执行过程中,可以通过将获取的电特征和电流特征进行统一量纲处理,以转化为具有相同区间的分数值,便于后续进行计算。
统一量纲的方式可以为任意可实现的方式,如可以为归一化处理等,具体可基于实际情况确定,本申请在此不作赘述。
在一些实施例中,步骤110可以包括:
分别获取电特征和温度特征对应的参数阈值范围;
基于参数阈值范围和目标范围区间,对与参数阈值范围对应的特征进行映射,得到电特征对应的无权重分数和温度特征对应的无权重分数;
基于电特征对应的无权重分数和温度特征对应的无权重分数,得到电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数。
在该实施例中,参数阈值范围为电池在正常工作状态下,各特征对应的正常数值的范围区间。
可以基于制造商在电池出厂时所规定的电池的最高工作温度、最大电压以及最小电压等额定值确定参数阈值范围。
例如,电池内部发生剧烈放热反应时温升速率急剧上升,热失控前电池温升速率将达到最大值,一般为1℃/s左右。
在一些实施例中,可以将温升速率对应的参数阈值范围的上限阈值设置为1℃/s,以达到提前预警热失控效果。
目标范围区间为最终所需要的将所有特征转换为无量纲特征所对应的统一区间范围。
目标范围区间可以基于用户自定义,如设置为0~1或0~10区间等,本申请不作限定。
在实际执行过程中,可以基于参数阈值范围以及目标范围区间设计对应的分数计算公式,以对与参数阈值范围对应的特征进行转化,以将不同的特征转化为同一无量纲内,得到电特征对应的无权重分数和温度特征对应的无权重分数。
在一些实施例中,基于参数阈值范围和目标范围区间,对与参数阈值范围对应的特征进行映射,得到电特征对应的无权重分数和温度特征对应的无权重分数,可以包括:
基于参数阈值范围和目标范围区间,构建与参数阈值范围对应的转换公式;
基于转换公式对参数阈值范围所对应的特征进行转换,得到电特征对应的无权重分数和温度特征对应的无权重分数。
在该实施例中,基于各特征对应的参数阈值范围和目标范围区间,可构建对应的转换公式以将特征值转换为无量纲值。
例如,将正常运行状态下的特征值确定为目标范围区间对应的最大阈值,将确定异常状态下的特征值确定为目标范围区间对应的最小阈值,将处于正常运行状态和确定异常状态下的特征值转换为最大阈值和最小阈值之间的某一数值。
具体的转换公式的设计,可基于用户自定义,本申请不作限定。
表1示例了一种待测电池对应的各特征对应的参数阈值范围以及对应的分数计算公式(即转换公式)。
表1
如表1可知,通过将各特征均转化为0~10范围,随着严重程度其对应的分数逐渐减小,即分数越接近10,表明当前时间窗口内,该特征越正常;分数越接近0,表明当前时间窗口内,该特征异常程度越高。
当然,在其他实施例中,还可以采用其他转化方式,本申请不作限定。
根据本申请实施例提供的电池热失控预测方法,通过设置目标范围区间以基于电池在正常运行状态下的参数阈值范围对各不同特征进行无量纲转化,得到各特征对应的无权重分数,转换合理且操作简单,有助于后续对各特征对应的无权重分数进行不同权重的赋值计算从而得到能够用于综合评价热失控情况的热失控风险因子分数。
下面分别对电压风险因子分数、最高温度风险因子分数以及温升速率风险因子分数的具体确定过程进行说明。
其一、电压风险因子分数的确定
如图2所示,在一些实施例中,步骤110可以包括:
基于电特征所包括的时间段内最大电压、电池压降速率以及最小电压中的至少一种,确定电压风险因子分数。
在该实施例中,最大电压即在该时间段内电芯的最高电压。
在热失控前期电压可能由于过冲导致电压升高,在电压超过保护阈值的情况下,代表有过充风险,出现热失控发生早期特征,记时间窗口期内电芯的最高电压为Umax。
针对热失控发展过程,电池一般会出现内短路,电压会突然下降,采用电压降速率进行监测可更容易发现异常掉电现象。
例如,可以通过如下公式计算得到电池压降速率:
其中,Vr为电池压降速率;U1为时间窗口内起始电压,UT+1为时间窗口内最后一采集时刻的电压,T为时间窗口的持续时长。
在电池热失控发生后期,电池出现短路,电压一般会跌落到0mV附近,记时间窗口内电芯的最小电压为Umin。
图3示例了一种电压突降过程的电池压降速率变化示意图,电池压降速率在突降之前以及降至低值之后基本为0,图中虚线代表该工况的热失控时刻。
可以理解的是,最大电压、电池压降速率以及最小电压分别对应于电池热失控整个阶段中前期、中期以及后期不同阶段的特征。
在得到最大电压、电池压降速率以及最小电压后,可以分别基于各特征对应参数阈值范围采用如表1所示转化方式,将计算得到最大电压对应的无权重分数确定为最大电压因子分数,将电池压降速率对应的无权重分数确定为电池压降速率因子分数,将最小电压对应的无权重分数确定为最小电压因子分数,然后基于最大电压风险因子分数、电池压降速率风险因子分数以及最小电压风险因子分数中的一种或多种,得到电压风险因子分数。
根据本申请实施例提供的电池热失控预测方法,通过从不同阶段中提取最能表征该阶段对应的热失控状态的特征以作为判断是否发生热失控的因子,具有较高的准确性以及全面性。
在一些实施例中,基于电特征所包括的时间段内最大电压、电池压降速率以及最小电压中的至少一种,确定电压风险因子分数,可以包括:
将最大电压对应的无权重分数、电池压降速率对应的无权重分数以及最小电压对应的无权重分数中最小的分数确定为电压风险因子分数。
在该实施例中,无权重分数越小,表示该特征在当前工况下的影响越严重。
根据本申请实施例提供的电池热失控预测方法,通过选择电特征所包括的时间段内最大电压、电池压降速率以及最小电压中最严重特征作为电压风险因子分数,能够准确从热失控前期、中期和后期不同阶段特征中提取最严重阶段对应的特征,具有更好的代表性,且减少计算量,提高计算效率。
当然,在其他实施例中,也可以从电特征所包括的时间段内最大电压、电池压降速率以及最小电压对应的无权重分数中任选两种或多种进行加权以得到最终的电压风险因子分数,本申请不作限定。
其二、最高温度风险因子分数的确定
可以理解的是,电池在使用或充放电过程中会产生过多的热量,电池在经历一段缓慢而稳定的升温之后,在热失控临界点发生剧烈放热反应,导致温度骤升,达到峰值,之后开始减弱,温度变化如图4所示。
在实际执行过程中,可以将时间窗口内出现的温度最大值,作为该时间窗口对应的最高温度。
然后基于上述如表1所示的类似的转化方式,计算得到最高温度对应的无权重分数,以将该最高温度对应的无权重分数作为该时间段对应的最高温度风险因子分数。
其三、温升速率风险因子分数的确定
在一些实施例中,步骤110可以包括:
获取时间段内,待测电池在达到电池表面最高温度之前所出现的最低温度;
基于电池表面最高温度、最低温度和时间段内最低温度与电池表面最高温度之间的第一时长,确定电池表面温升速率;
将电池表面温升速率对应的无权重分数,确定为温升速率风险因子分数。
在该实施例中,可以通过如下公式计算温升速率:
其中,Tr为时间窗口内的电池表面温升速率;Tmax,t为时间窗口内电池表面最高温度;Tmin,1为时间窗口内在电池表面最高温度之前,出现的最低温度;t为该时间窗口内从最低温度到达到电池表面最高温度所用的第一时长。
在得到电池表面温升速率之后,采用如表1所示的转换方式得到电池表面温升速率对应的无权重分数,从而得到温升速率风险因子分数。
根据本申请实施例提供的电池热失控预测方法,通过将电池温升速率作为判断电池是否发生热失控的因子之一,能够从温度变化角度出发确定判断因子,提高最终所确定的热失控风险因子分数的全面性和准确性。
步骤120、基于电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数中的至少两种,确定各时间段对应的热失控风险因子分数;
在该步骤中,热失控风险因子分数用于表征电池在该热失控风险因子分数对应的时间段内发生热失控风险的高低。
可以理解的是,热失控风险因子分数的范围基于在进行无权重分数计算时所得到的无权重分数对应的统一的范围区间决定。
以上文表1所示的无权重分数计算方式为例,所得到的热失控风险因子分数的范围在0~10之间,且热失控风险因子分数越小,其对应的发生热失控风险越高;反之则越大。
在实际执行过程中,可以选择电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数中的两种或全部因子分数,对选择的因子分数进行加权计算,以得到最终的热失控风险因子分数。
在实际执行过程中,可选择任意可实现的加权方式进行加权计算,如采用普通加权算法进行加权计算,或者采用预训练的神经网络模型对输入的因子分数进行权重赋值等,本申请在此不作限定。
在一些实施例中,步骤120可以包括:
采用层次分析法,对电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数中的至少两种进行加权计算,得到热失控风险因子分数。
在该实施例中,层次分析法为一种结合定性和定量分析的系统的分析方法。
基于层次分析法的一致性综合评价因子模型由目标层、指标层和方案层构成。
层次分析法使用最小化难度比较不同属性的因素,以提高准确性。
ai,aj(i,j=1,2,…,n)表示决定目标的因素(即本申请中提出的多个因子分数);其中,aij代表ai相对于aj重要性程度,可以基于专家经验得到或由用户自定义;n为因子的数量;aij组成了判别矩阵P:
其中,判别矩阵具有以下性质:
判别矩阵需要检验判断矩阵是否具有一致性,衡量不一致程度的数量指标称为一致性指标,可以定义为:
其中,λmax为判别矩阵P的最大特征值,CI=0表示完全一致,CI越大越不一致;
在一些实施例中,还可以计算一致性比例CR:
CR=CI/RI
其中,RI可以通过查询平均随机一致性指标获得;当CR<0.1时,可近似认为矩阵的一致性是可以接受的。
在本申请中,指标可以包括电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数等。
图5示例一种基于层次分析法进行加权计算的示意图。
下面以因子分数包括电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数,标度为1~3为例,可以得到如表2所示的判别矩阵:
表2
电压风险因子 | 最高温度风险因子 | 温升速率风险因子 | |
电压风险因子 | 1 | 1/3 | 1/2 |
最高温度风险因子 | 3 | 1 | 2 |
温升速率风险因子 | 2 | 1/2 | 1 |
其中,标度1代表某项相对于另一项同样重要,标度3代表某项相对于另一项最重要。
基于表2所示的判别矩阵,可以计算出每个维度的权重w1=[16.4%,53.9%,29.7%],并且通过一致性检验。
从而可以基于如下公式得到热失控风险因子分数:
Hs=53.9%*ST,max+29.7%*ST,r+16.4%*min(SU,max,SU,min,SV,r)
其中,Hs为热失控风险因子分数;ST,max为最高温度风险因子分数;ST,r为温升速率风险因子分数;SU,max为最大电压风险因子分数;SU,min为最小电压风险因子分数;sV,r为电池压降速率风险因子分数。
根据本申请实施例提供的电池热失控预测方法,通过采用层次分析法对电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数进行权重赋值,能够使用最小化难度比较不同属性的因素,从而提高准确性和全面性,以提高所得到的热失控风险因子分数的准确性以及真实性。
步骤130、基于至少一个热失控风险因子分数,确定待测电池对应的热失控预测结果。
在该步骤中,热失控预测结果包括发生热失控或正常运行状态。
可以理解的是,一个时间段对应有一个热失控风险因子分数。
在时间窗口为多个的情况下,可以得到多个热失控风险因子分数。
时间窗口不同,其对应的热失控阶段也可能不同,则得到的热失控风险因子分数也可能不同。
在一些实施例中,在确定当前时刻下所获取的当前时间窗口对应的热失控风险因子分数超过预警阈值的情况下,即可认为电池即将发生热失控。
如图9示例了一种热失控预测结果示意图,图中从左起,从上到下分别为热失控风险因子分数对应的曲线、电压曲线以及温度曲线,由图9可知,在热失控过程中,温度曲线骤升达到峰值后开始减弱,电压先增大后骤降,热失控风险因子分数呈现降低趋势。
根据本申请实施例提供的电池热失控预测方法,通过从电特征和温度特征等多个不同的角度出发,无需构建复杂的电化学模型,操作简单便捷;通过分配各特征在电池热失控过程中的影响因子以得到最终的热失控风险因子分数,以基于热失控风险因子分数进行热失控预测,具有较高的预测准确性、全面性和及时性。
如图6所示,在一些实施例中,在热失控风险因子分数为多个的情况下,步骤130可以包括:
在多个热失控风险因子分数中至少部分热失控风险因子分数连续低于预警阈值的情况下,热失控预测结果为发生热失控。
在该实施例中,预警阈值可以基于用户自定义。
至少部分可以包括一个或多个。
例如,在连续2个时间窗口对应的热失控因子分数连续超过预警阈值的情况下,认为电池即将发生热失控。
根据本申请实施例提供的电池热失控预测方法,通过比较连续多个热失控因子分数与预警阈值大小以进行热失控判断,能够降低随机误差对预测结果的影响,进一步提高预警准确性。
在一些实施例中,在步骤130之后,该方法还可以包括:
在确定热失控预测结果为发生热失控的情况下,输出预警信息。
在该实施例中,输出预警信息包括但不限于图像输出、文本输出、语音输出、提示灯输出以及其他输出方式。
根据本申请实施例提供的电池热失控预测方法,通过在确定待测电池发生热失控的情况下输出预警信息,弥补电池管理系统在电池热失控预警方面功能的缺失,在电站电池大数据运维管理系统部署预警电池热失控风险系统,能够及时进行热失控预警以提醒运维人员开展储能系统的安全维护,有效保证电站的正常运行。
本申请实施例提供的电池热失控预测方法,执行主体可以为电池热失控预测装置。本申请实施例中以电池热失控预测装置执行电池热失控预测方法为例,说明本申请实施例提供的电池热失控预测装置。
本申请实施例还提供一种电池热失控预测装置。
如图7所示,该电池热失控预测装置包括:第一处理模块710、第二处理模块720和第三处理模块730。
第一处理模块710,用于基于待测电池在至少一个时间段内的电特征和温度特征中的至少一种,确定待测电池在时间段内所对应的电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数中的至少两种;
第二处理模块720,用于基于电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数中的至少两种,确定各时间段对应的热失控风险因子分数;
第三处理模块730,用于基于至少一个热失控风险因子分数,确定待测电池对应的热失控预测结果。
根据本申请实施例提供的电池热失控预测装置,通过从电特征和温度特征等多个不同的角度出发,通过分配各特征在电池热失控过程中的影响因子以得到最终的热失控风险因子分数,以基于热失控风险因子分数进行热失控预测,具有较高的预测准确性、全面性和及时性。
在一些实施例中,第一处理模块710,还可以用于:
分别获取电特征和温度特征对应的参数阈值范围;
基于参数阈值范围,对与参数阈值范围对应的特征进行映射,得到电特征对应的无权重分数和温度特征对应的无权重分数;
基于电特征对应的无权重分数和温度特征对应的无权重分数,得到电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数。
在一些实施例中,第一处理模块710,还可以用于:
基于电特征所包括的时间段内最大电压、电池压降速率以及最小电压中的至少一种,确定电压风险因子分数。
在一些实施例中,第一处理模块710,还可以用于:
将最大电压对应的无权重分数、电池压降速率对应的无权重分数以及最小电压对应的无权重分数中最小的分数确定为电压风险因子分数。
在一些实施例中,第一处理模块710,还可以用于:
获取时间段内,待测电池在达到电池表面最高温度之前所出现的最低温度;
基于电池表面最高温度、最低温度和时间段内最低温度与电池表面最高温度之间的第一时长,确定电池表面温升速率;
将电池表面温升速率对应的无权重分数,确定为温升速率风险因子分数。
在一些实施例中,第二处理模块720,还可以用于:
采用层次分析法,对电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数中的至少两种进行加权计算,得到热失控风险因子分数。
在一些实施例中,在热失控风险因子分数为多个的情况下,第三处理模块730,还可以用于:
在多个热失控风险因子分数中至少部分热失控风险因子分数连续低于预警阈值的情况下,确定热失控预测结果为发生热失控。
在一些实施例中,该装置还可以包括第四处理模块,用于:
在基于至少一个热失控风险因子分数,确定待测电池对应的热失控预测结果之后,在确定热失控预测结果为发生热失控的情况下,输出预警信息。
本申请实施例中的电池热失控预测装置可以是电子设备,也可以是电子设备中的部件,例如集成电路或芯片。该电子设备可以是终端,也可以为除终端之外的其他设备。示例性的,电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、移动上网装置(Mobile Internet Device,MID)、增强现实(augmented reality,AR)/虚拟现实(virtual reality,VR)设备、机器人、可穿戴设备、超级移动个人计算机(ultra-mobilepersonal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等,还可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例中的电池热失控预测装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统,可以为IOS操作系统,还可以为其他可能的操作系统,本申请实施例不作具体限定。
本申请实施例提供的电池热失控预测装置能够实现图1至图6的方法实施例实现的各个过程,为避免重复,这里不再赘述。
本申请实施例还提供一种预警系统,该预警系统基于如上述任意实施例所述的电池热失控预测方法进行电池热失控预测。
在一些实施例中,该预警系统还可以包括显示装置,显示装置用于显示热失控风险因子分数,并输出预警信息。
例如,在实际执行过程中,可以根据物联网协议,如:Modbus协议以及IEC104规约等,将设备层数据解析,并实时发送至队列写入缓存;
利用Flink实时计算框架读取数据源信息,定义计算时间窗口期,实时计算电压压降速率、最高温度以及温升速率等多个特征值。
根据预先设定的阈值范围计算3个特征对应的无权重分数,并根据基于专家经验的层次分析法确定每一个特征权重大小,实时计算电池热失控风险因子;
基于Flink写入算子,将电池热失控风险写入内存数据库Redies;
前端页面开发Web Socket接口,实时检测热失控风险因子分数,当热失控因子分数连续超过预警线时,前端推送热失控预警信息。
根据本申请实施例提供的预警系统,通过从电特征和温度特征等多个不同的角度出发,通过分配各特征在电池热失控过程中的影响因子以得到最终的热失控风险因子分数,以基于热失控风险因子分数进行热失控预测,具有较高的预测准确性、全面性和及时性;除此之外,基于大数据平台设计实时预警系统,还能够实时推送电池热失控预警信息。
在一些实施例中,如图8所示,本申请实施例还提供一种电子设备800,包括处理器801、存储器802及存储在存储器802上并可在处理器801上运行的计算机程序,该程序被处理器801执行时实现上述电池热失控预测方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要说明的是,本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
本申请实施例还提供一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述电池热失控预测方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。
本申请实施例还提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述电池热失控预测方法。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。
本申请实施例另提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现上述电池热失控预测方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
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上述实施例方法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,但很多情况下前者是更佳的实施方式。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可以以计算机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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“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申请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一定指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何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本申请的实施例,本领域的普通技术人员可以理解:在不脱离本申请的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本申请的范围由权利要求及其等同物限定。
Claims (12)
1.一种电池热失控预测方法,其特征在于,包括:
基于待测电池在至少一个时间段内的电特征和温度特征中的至少一种,确定所述待测电池在所述时间段内所对应的电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数中的至少两种;
基于所述电压风险因子分数、所述最高温度风险因子分数和所述温升速率风险因子分数中的至少两种,确定各所述时间段对应的热失控风险因子分数;
基于至少一个所述热失控风险因子分数,确定所述待测电池对应的热失控预测结果。
2.根据权利要求1所述的电池热失控预测方法,其特征在于,所述基于待测电池在至少一个时间段内的电特征和温度特征中的至少一种,确定所述待测电池在所述时间段内所对应的电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数中的至少两种,包括:
分别获取所述电特征和所述温度特征对应的参数阈值范围;
基于所述参数阈值范围和目标范围区间,对与所述参数阈值范围对应的特征进行映射,得到所述电特征对应的无权重分数和所述温度特征对应的无权重分数;
基于所述电特征对应的无权重分数和所述温度特征对应的无权重分数,得到所述电压风险因子分数、所述最高温度风险因子分数和所述温升速率风险因子分数。
3.根据权利要求1所述的电池热失控预测方法,其特征在于,所述基于待测电池在至少一个时间段内的电特征和温度特征中的至少一种,确定所述待测电池在所述时间段内所对应的电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数中的至少两种,包括:
基于所述电特征所包括的所述时间段内最大电压、电池压降速率以及最小电压中的至少一种,确定所述电压风险因子分数。
4.根据权利要求3所述的电池热失控预测方法,其特征在于,所述基于所述电特征所包括的所述时间段内最大电压、电池压降速率以及最小电压中的至少一种,确定所述电压风险因子分数,包括:
将所述最大电压对应的无权重分数、所述电池压降速率对应的无权重分数以及所述最小电压对应的无权重分数中最小的分数确定为所述电压风险因子分数。
5.根据权利要求1-4任一项所述的电池热失控预测方法,其特征在于,所述基于待测电池在至少一个时间段内的电特征和温度特征中的至少一种,确定所述待测电池在所述时间段内所对应的电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数中的至少两种,包括:
获取所述时间段内,所述待测电池在达到电池表面最高温度之前所出现的最低温度;
基于所述电池表面最高温度、所述最低温度和所述时间段内所述最低温度与所述电池表面最高温度之间的第一时长,确定电池表面温升速率;
将所述电池表面温升速率对应的无权重分数,确定为所述温升速率风险因子分数。
6.根据权利要求1-4任一项所述的电池热失控预测方法,其特征在于,所述基于所述电压风险因子分数、所述最高温度风险因子分数和所述温升速率风险因子分数中的至少两种,确定各所述时间段对应的热失控风险因子分数,包括:
采用层次分析法,对所述电压风险因子分数、所述最高温度风险因子分数和所述温升速率风险因子分数中的至少两种进行加权计算,得到所述热失控风险因子分数。
7.根据权利要求1-4任一项所述的电池热失控预测方法,其特征在于,在所述热失控风险因子分数为多个的情况下,所述基于至少一个所述热失控风险因子分数,确定所述待测电池对应的热失控预测结果,包括:
在多个所述热失控风险因子分数中至少部分所述热失控风险因子分数连续低于预警阈值的情况下,确定所述热失控预测结果为发生热失控。
8.根据权利要求1-4任一项所述的电池热失控预测方法,其特征在于,在所述基于至少一个所述热失控风险因子分数,确定所述待测电池对应的热失控预测结果之后,所述方法还包括:
在确定所述热失控预测结果为发生热失控的情况下,输出预警信息。
9.一种电池热失控预测装置,其特征在于,包括:
第一处理模块,用于基于待测电池在至少一个时间段内的电特征和温度特征中的至少一种,确定所述待测电池在所述时间段内所对应的电压风险因子分数、最高温度风险因子分数和温升速率风险因子分数中的至少两种;
第二处理模块,用于基于所述电压风险因子分数、所述最高温度风险因子分数和所述温升速率风险因子分数中的至少两种,确定各所述时间段对应的热失控风险因子分数;
第三处理模块,用于基于至少一个所述热失控风险因子分数,确定所述待测电池对应的热失控预测结果。
10.一种预警系统,其特征在于,所述预警系统基于如权利要求1-8任一项所述的电池热失控预测方法进行电池热失控预测。
11.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-8任一项所述的电池热失控预测方法。
12.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-8任一项所述电池热失控预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311541535.5A CN117686912A (zh) | 2023-11-15 | 2023-11-15 | 电池热失控预测方法、装置和预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311541535.5A CN117686912A (zh) | 2023-11-15 | 2023-11-15 | 电池热失控预测方法、装置和预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117686912A true CN117686912A (zh) | 2024-03-12 |
Family
ID=90127542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311541535.5A Pending CN117686912A (zh) | 2023-11-15 | 2023-11-15 | 电池热失控预测方法、装置和预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117686912A (zh) |
-
2023
- 2023-11-15 CN CN202311541535.5A patent/CN117686912A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110070461B (zh) | 一种电力信息系统健康度评估方法及其评估系统 | |
Hong et al. | Vehicle energy system active defense: a health assessment of lithium‐ion batteries | |
CN113805064B (zh) | 基于深度学习的锂离子电池组健康状态预测方法 | |
CN102955902B (zh) | 雷达模拟设备可信度的评估方法及评估系统 | |
CN109446812A (zh) | 一种嵌入式系统固件安全分析方法及系统 | |
CN114386537B (zh) | 基于CatBoost的锂电池故障诊断方法、装置及电子设备 | |
CN113837596B (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
CN114024328A (zh) | 储能电站系统的综合评估方法、设备及可读介质 | |
WO2022001125A1 (zh) | 一种存储系统的存储故障预测方法、系统及装置 | |
CN116087787A (zh) | 一种基于主成分分析法的电池故障判断方法和系统 | |
CN114355094B (zh) | 基于多源信息的产品可靠性薄弱环节综合评估方法和装置 | |
KR102315580B1 (ko) | 건물의 화재 예측 분석 장치 및 방법 | |
CN113295399B (zh) | 换流阀元件状态评估方法、装置、电子设备和存储介质 | |
CN117674119A (zh) | 电网运行风险评估方法、装置、计算机设备和存储介质 | |
CN117191147A (zh) | 一种泄洪大坝水位监测预警方法及系统 | |
CN117686912A (zh) | 电池热失控预测方法、装置和预警系统 | |
CN116151799A (zh) | 一种基于bp神经网络的配电线路多工况故障率快速评估方法 | |
CN113159537B (zh) | 电网新技术项目的评估方法、装置和计算机设备 | |
CN116627759B (zh) | 一种金融支付设备电路安全检测装置 | |
CN116150666B (zh) | 储能系统故障检测方法、装置及智能终端 | |
CN115952414A (zh) | 基于深度自编码器高斯混合分布的异常电池箱检测方法 | |
CN117783886B (zh) | 动力电池异常状态识别方法、装置、电子设备及存储介质 | |
CN116027197A (zh) | 一种电池自放电一致性评估方法、装置、设备及存储介质 | |
CN115951223A (zh) | 储能电站异常电池箱检测方法、装置及电子设备 | |
CN115656824A (zh) | 基于cnn-lstm模型的锂电池核电状态预测方法 |
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 |