CN117719345B - 一种基于ic曲线考虑老化的电池微短路量化方法 - Google Patents
一种基于ic曲线考虑老化的电池微短路量化方法 Download PDFInfo
- Publication number
- CN117719345B CN117719345B CN202410171224.2A CN202410171224A CN117719345B CN 117719345 B CN117719345 B CN 117719345B CN 202410171224 A CN202410171224 A CN 202410171224A CN 117719345 B CN117719345 B CN 117719345B
- Authority
- CN
- China
- Prior art keywords
- battery
- curve
- short
- micro
- short circuit
- 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 29
- 230000032683 aging Effects 0.000 title claims abstract description 24
- 238000011002 quantification Methods 0.000 title claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 230000008859 change Effects 0.000 claims description 9
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 5
- 229910052744 lithium Inorganic materials 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 abstract 1
- 230000008901 benefit Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Secondary Cells (AREA)
Abstract
本发明提出了一种基于IC曲线考虑老化的电池微短路量化方法,通过获取电池组内所有单体电池充电阶段的电压和电流值,计算得到IC曲线,然后研究IC峰值与SOC的对应关系;根据IC曲线的特征参数进行筛选,初步判别老化电池与微短路电池;以首先到达IC曲线峰值的电池为基准电池;然后根据IC峰值与SOC的唯一对应关系,计算每个电池的峰值到达时间与基准电池的偏差,根据相邻两次充电的时间偏差计算每个电池的短路电流和短路电阻,然后衡量微短路故障的严重程度并提前做出安全预警;本发明可以准确区分老化电池与微短路电池,量化短路故障的严重程度,计算复杂度低,鲁棒性强。
Description
技术领域
本发明涉及电动汽车锂电池故障诊断技术领域,具体为一种基于IC曲线考虑老化的电池微短路量化方法。
背景技术
电动汽车作为一种环保、可持续的交通工具正在逐渐普及。锂离子电池作为电动汽车的关键部件之一,面临着热失控风险,导致车辆起火。研究表明,内短路故障是最常见的导致锂电池起火或爆炸事故的原因。
随着电动汽车不断使用,老化可能和微短路(内短路初期)同时存在电池组中,但老化电池可以进行梯次利用,带来可观的经济效益和环境效益。因此,高效识别微短路故障和老化在安全性和经济性方面至关重要。
目前电池内短路诊断研究的难点在于准确判断临界值、量化短路严重程度。一方面,考虑到储存成本问题,BMS只采集电压、电流和温度信号,信号比较单一;另一方面,考虑到电池组内不一致性的问题,老化电池的存在会加大微短路电池故障特征的识别难度。
现有的微短路量化技术主要分为两种:一是利用采集的电压、电流数据得到剩余充电容量(RCC),比较两次RCC的差值来计算短路电流和电阻。此类方法在SOC较高时单体电压差异较大,受电池充放电条件影响,准确度较低,实用性不高。二是利用电池模型估算电池的参数,如SOC、开路电压(OCV)等,通过此参数与正常值相比,从而量化短路电池的严重程度。此类方法依赖于模型的准确度和算法的收敛性,并且计算量大,会受电池温度和老化的影响。
发明内容
针对现有技术的不足,本发明提供了一种基于IC曲线考虑老化的电池微短路量化方法,具备通过研究IC峰值与SOC的对应关系能够判断出微短路电池以及老化电池,同时可根据相邻充电周期电池的峰值到达时间与基准电池的偏差计算所有电池的短路电流和短路电阻,衡量微短路故障的严重程度并提前做出安全预警解决了传统方式过于依赖于模型的准确度和算法的收敛性,并且计算量大,会受电池温度和老化的影响的问题。
为实现上述技术目的,本发明提供了一种基于IC曲线考虑老化的电池微短路量化方法,其特征在于,包括如下步骤:
S1:选取i个型号相同的锂电池设置为实验电池组,获取电池组内所有单体电池的充电电压和充电电流值;
S2:根据充电电压曲线得到IC曲线,在不同温度、不同充电倍率、不同初始SOC和不同老化程度时,利用安时积分法得到IC-SOC曲线,IC曲线的每个峰值都对应一个恒定的SOC值;
S3:计算所有电池IC曲线的特征参数; 选取所有IC曲线第二峰值和第二峰值电压PV2以及第三峰值/>作为特征参数;
S4:利用欧式距离判断是否为离群电池,若否则返回S1,若是则进入S5;
S5:判断离群电池是否满足>/>且/>>/>;其中,/>为故障电池的第二平均峰值,/>为故障电池的第三平均峰值;若否判定为老化电池,若是则判定为微短路电池并进入下一步;
S6:计算微短路电池相邻充电周期电池的峰值到达时间与基准电池的偏差;
所述的S6中基准电池及相邻充电周期电池的峰值到达时间与基准电池的偏差包括:
首先到达IC曲线峰值的电池为基准电池;
根据所有单体电池到达IC曲线峰值的时间,计算其与基准电池到达时间的偏差;进一步计算相邻两次充电周期之间的差异值/>,其中/>为第m+1次充电的时间偏差,/>为第m次充电的时间偏差;
S7:计算所有微短路电池的短路电流和短路电阻;
所述S7中电池的短路电流和短路电阻计算方式包括:
电池的短路电流计算公式为,其/>中/>为第i块电池的短路电流数据,/>为第i块电池在相邻两个周期达到IC峰值之间的漏电量,/>分别为第i块电池在第m和m+1个周期达到IC峰值的时间;
电池的短路电阻计算公式为 />,其中/>表示第i块电池相邻两次到达IC峰值之间的电压平均值;
S8:根据所述微短路电池的短路电阻值来判断短路故障的严重程度,并进行安全预警。
优选的,根据充电电压曲线得到IC曲线包括:
计算单位电压变化所引起的容量变化,得到容量增量与电压关系曲线,进一步采用离散小波变化,得到平滑的IC曲线。
优选的,所述的S8中根据微短路电池的短路电阻值是通过以下短路分级来判断短路故障的严重程度:
,判定为无故障;
,判定为微短路;
,判定为内短路。
有益效果
与现有技术相比,本发明提供了一种基于IC曲线考虑老化的电池微短路量化方法,具备以下有益效果:
1、该一种基于IC曲线考虑老化的电池微短路量化方法,通过获取电池组内所有单体电池充电阶段的电压和电流值,得到IC曲线,研究IC峰值与SOC的对应关系;根据IC曲线的特征参数初步判别老化电池与微短路电池;相较于传统的微短路量化技术其具有了不受电池充放电条件影响,准确度以及实用性高的优点。
2、该一种基于IC曲线考虑老化的电池微短路量化方法,根据相邻充电周期电池的峰值到达时间与基准电池的偏差计算所有电池的短路电流和短路电阻,衡量微短路故障的严重程度并提前做出安全预警;只需要部分充电数据,也不需要估计电池模型参数和SOC,实用性强。本发明对提升电池组产品的安全性有重要作用,从而增强了驾驶员和车辆的整体安全保障。
附图说明
图1为本发明提出的考虑老化的电池微短路量化方法的流程示意图;
图2为本发明提出的不同温度的电池IC-SOC曲线图;
图3为本发明提出的不同充电倍率的电池IC-SOC曲线图;
图4为本发明提出的不同初始SOC的电池IC-SOC曲线图;
图5为本发明提出的电池OCV与IC曲线图;
图6为本发明提出的电池特征参数结果图;
图7为本发明提出的电池峰值到达时间差异图。
具体实施方式
下面将结合本发明的实施例,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,都属于本发明保护的范围。
实施例一:
本实施例中任意选取了八块相同型号的2.85Ah锂电池进行验证,型号为INR18650/29V。
表1
本实施例是通过以下技术方案来实现的,一种基于IC曲线考虑老化的电池微短路量化方法,包括以下具体几个步骤:
S1:获取电池组内所有单体电池的充电电压数据和电流数据/>。
S2:根据充电电压曲线得到IC曲线,研究得到IC峰值与SOC有唯一对应关系,包括:
计算单位电压变化所引起的容量变化,得到容量增量与电压关系曲线,进一步采用离散小波变化,得到平滑的IC曲线,计算公式如下:
(1)
(2)
其中,Q表示电池的充电容量;V表示电池的端电压;I表示电池的充电电流;t表示电池的充电时间;为小波系数,a, b分别为变换的伸缩尺度和平移尺度参数,为输入电压信号,/>为基函数。
通过设置不同温度(10℃, 20℃, 25℃, 30℃, 和 40℃)、不同充电倍率(C/20,C/5, C/3, and C/2, 和1C)、不同初始SOC(10%, 13%, 16%, 19%, 和22%)和不同老化程度(IC倍率充放电循环1000次)的条件下进行充放电实验,利用安时积分法估算SOC,得到IC-SOC曲线。安时积分法计算公式如下:
(3)
其中,表示初始荷电状态;/>表示电池的电流数据;/>表示某段时间内充入的电量;/>表示电池容量。
如图2-4所示,图2为本实施例中不同温度的电池IC-SOC曲线图、图3为本实施例中不同充电倍率的电池IC-SOC曲线图、图4为本实施例中不同初始SOC的电池IC-SOC曲线图,其中IC曲线的每个峰值都与一个恒定的SOC值对应。
S3:计算所有电池IC曲线的特征参数; 选取所有IC曲线第二峰值和第二峰值电压PV2以及第三峰值/>作为特征参数;具体如图3所示。
S4:利用欧式距离判断是否为离群电池,若否则返回S1,若是则进入S5。
其中具体的判断过程如图4所示,使用欧氏距离来衡量不同电池在不同温度、不同充电倍率、不同初始SOC以及不同老化程度特征参数之间的差异程度,将离群电池记为故障电池。
S5:判断离群电池是否满足>/>且/> > />;其中,/>为故障电池的第二平均峰值,/>为故障电池的第三平均峰值;若否判定为老化电池,若是则判定为微短路电池并进入下一步;
S5中具体的判断过程如下:
选取IC曲线第二峰值和峰值电压PV2以及第三峰值/>作为特征参数,如图3所示;
由于老化电池的容量低于正常电池,微短路电池的短路电阻不断消耗电量,当故障电池的第二平均峰值、第三平均峰值/>均低于其他电池的第二平均峰值/>以及第三峰值/>时诊断为老化电池;当故障电池的第二平均峰值/>、第三平均峰值均高于其他电池第二平均峰值/>以及第三峰值/>时诊断为微短路电池。
值得说明的是,本实施例中的判定公式>/>且/>>/>,在不满足条件时应不包含/>且/>=/>的情况,离群电池的第二平均峰值/>以及第三峰值/>应与标准值产生偏差,才可判定其为离群电池。
通过上述技术方案使其可通过获取电池组内所有单体电池充电阶段的电压和电流值,得到IC曲线,研究IC峰值与SOC的对应关系;根据IC曲线的特征参数初步判别老化电池与微短路电池,相较于传统的微短路量化技术其具有了不受电池充放电条件影响,准确度以及实用性高的优点。
实施例二:
如图6为本实施例中提供的8块电池特征参数结果图。其中离群的8号老化电池位于左下角,2号与6号微短路电池位于右上角。2号电池的短路程度更严重,因此偏离程度越大。
为了判断出微短路电池的严重程度,本实施例中提出如下技术方案:
S6:计算相邻充电周期电池的峰值到达时间与基准电池的偏差;
其中具体的计算方式为:根据所有单体电池到达IC曲线峰值的时间,计算其余与基准电池到达时间的偏差/>;进一步计算相邻两次充电周期之间的差异值/>,其中/>为第m+1次充电的时间偏差,/>为第m次充电的时间偏差。
S7:计算所有微短路电池的短路电流和短路电阻;
其中具体的计算方式为:由于IC曲线峰值与SOC存在唯一对应关系,短路电阻不断消耗电量使得微短路电池与正常电池相比,达到IC曲线峰值的时间增大。
图7为本实施例提供的8块电池峰值到达时间差异图,2号与6号微短路电池的峰值到达时间大于其余电池。
根据这一原理,短路电流由以下公式计算得到:
(4)
其中为第i块电池在第m+1次充电周期时的短路电流数据;I为第i块电池的电流数据;/>为相邻两个周期的时间偏差的差值/>下,第i块电池充入的电量,也相当于第i块电池在相邻两个周期达到IC峰值之间的漏电量;/>分别为第i块电池在第m和m+1个周期达到IC峰值的时间;
电池的短路电阻计算公式如下:
(5)
(6)
其中,表示第i块电池相邻两次到达IC峰值之间的电压平均值,/>表示第i块电池的电压数据;/>表示第i块电池的微短路电阻值。
S8:根据所述微短路电池的短路电阻值来判断短路故障的严重程度,并进行安全预警。制定一种短路故障的严重程度判定方法包括:
将得到的与阈值相比较,短路电阻越小说明短路越严重。判定条件如下:
(7)
(8)
(9)
根据相邻充电周期电池的峰值到达时间与基准电池的偏差计算所有电池的短路电流和短路电阻,衡量微短路故障的严重程度并提前做出安全预警;只需要部分充电数据,也不需要估计电池模型参数和SOC,实用性强。本发明对提升电池组产品的安全性有重要作用,从而增强了驾驶员和车辆的整体安全保障。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神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,本发明的范围由所附权利要求及其等同物限定。
Claims (3)
1.一种基于IC曲线考虑老化的电池微短路量化方法,其特征在于,包括如下步骤:
S1:选取i个型号相同的锂电池设置为实验电池组,获取电池组内所有单体电池的充电电压和充电电流值;
S2:根据充电电压曲线得到IC曲线,在不同温度、不同充电倍率、不同初始SOC和不同老化程度时,利用安时积分法得到IC-SOC曲线,IC曲线的每个峰值都对应一个恒定的SOC值;
S3:计算所有电池IC曲线的特征参数; 选取所有IC曲线第二峰值和第二峰值电压PV2以及第三峰值/>作为为特征参数;
S4:利用欧式距离判断是否为离群电池,若否则返回S1,若是则进入S5;
S5:判断离群电池是否满足;其中,/>为故障电池的第二平均峰值,/>为故障电池的第三平均峰值;若否判定为老化电池,若是则判定为微短路电池并进入下一步;
S6:计算微短路电池相邻充电周期电池的峰值到达时间与基准电池的偏差;
所述的S6中基准电池及相邻充电周期电池的峰值到达时间与基准电池的偏差包括:
首先到达IC曲线峰值的电池为基准电池;
根据所有单体电池到达IC曲线峰值的时间,计算其与基准电池到达时间的偏差/>;进一步计算相邻两次充电周期之间的差异值/>,其中,/>为第m+1次充电的时间偏差,/>为第m次充电的时间偏差;
S7:计算所有微短路电池的短路电流和短路电阻;
所述S7中电池的短路电流和短路电阻计算方式包括:
电池的短路电流计算公式为,其/>中/>为第i块电池的短路电流数据,/>为第i块电池在相邻两个周期达到IC峰值之间的漏电量,/>分别为第i块电池在第m和m+1个周期达到IC峰值的时间;
电池的短路电阻计算公式为,其中/>表示第i块电池相邻两次到达IC峰值之间的电压平均值;
S8:根据所述微短路电池的短路电阻值来判断短路故障的严重程度,并进行安全预警。
2.根据权利要求1所述的一种基于IC曲线考虑老化的电池微短路量化方法,其特征在于,根据充电电压曲线得到IC曲线包括:
计算单位电压变化所引起的容量变化,得到容量增量与电压关系曲线,进一步采用离散小波变化,得到平滑的IC曲线。
3.根据权利要求1所述的一种基于IC曲线考虑老化的电池微短路量化方法,其特征在于,所述的S8中根据微短路电池的短路电阻值是通过以下短路分级来判断短路故障的严重程度:
,判定为无故障;
,判定为微短路;
,判定为内短路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410171224.2A CN117719345B (zh) | 2024-02-06 | 2024-02-06 | 一种基于ic曲线考虑老化的电池微短路量化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410171224.2A CN117719345B (zh) | 2024-02-06 | 2024-02-06 | 一种基于ic曲线考虑老化的电池微短路量化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117719345A CN117719345A (zh) | 2024-03-19 |
CN117719345B true CN117719345B (zh) | 2024-05-17 |
Family
ID=90207269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410171224.2A Active CN117719345B (zh) | 2024-02-06 | 2024-02-06 | 一种基于ic曲线考虑老化的电池微短路量化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117719345B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117907862B (zh) * | 2024-03-20 | 2024-06-11 | 青岛艾诺仪器有限公司 | 一种电池微短路检测方法 |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101981750A (zh) * | 2008-04-01 | 2011-02-23 | 丰田自动车株式会社 | 二次电池系统 |
CN105270183A (zh) * | 2010-05-14 | 2016-01-27 | 丰田自动车株式会社 | 二次电池的控制装置及控制方法 |
CN106443467A (zh) * | 2016-09-18 | 2017-02-22 | 北京交通大学 | 基于充电过程的锂离子电池充入电量建模方法与应用 |
CN107870301A (zh) * | 2016-09-27 | 2018-04-03 | 华为技术有限公司 | 一种电池微短路的检测方法及装置 |
CN111693882A (zh) * | 2020-06-30 | 2020-09-22 | 厦门金龙联合汽车工业有限公司 | 一种换电电池健康状态的评价方法 |
CN112319308A (zh) * | 2020-11-04 | 2021-02-05 | 北京理工大学 | 一种动力电池多故障检测方法与系统 |
JP2021052463A (ja) * | 2019-09-24 | 2021-04-01 | トヨタ自動車株式会社 | 車両 |
CN112924885A (zh) * | 2021-01-29 | 2021-06-08 | 同济大学 | 基于增量容量曲线峰值高度的电池内短路定量诊断方法 |
CN112924884A (zh) * | 2021-01-29 | 2021-06-08 | 同济大学 | 基于增量容量曲线峰值面积的电池内短路定量诊断方法 |
WO2021217698A1 (zh) * | 2020-04-29 | 2021-11-04 | 上海理工大学 | 一种区分电池微短路和小容量故障的诊断方法 |
KR20210141094A (ko) * | 2020-05-15 | 2021-11-23 | 주식회사 엘지에너지솔루션 | 배터리 관리 시스템, 배터리 팩, 에너지 저장 시스템 및 배터리 관리 방법 |
CN113848479A (zh) * | 2021-10-11 | 2021-12-28 | 西安交通大学 | 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 |
CN113848495A (zh) * | 2021-10-11 | 2021-12-28 | 江苏省特种设备安全监督检验研究院 | 基于充电曲线的内部微短路故障诊断方法 |
CN114441970A (zh) * | 2021-12-22 | 2022-05-06 | 上海瑞浦青创新能源有限公司 | 锂电池soh估算方法及系统 |
CN114487889A (zh) * | 2021-12-31 | 2022-05-13 | 国网江苏电力设计咨询有限公司 | 一种基于预充电流脉冲的电池内短路故障识别方法 |
CN115097332A (zh) * | 2022-07-28 | 2022-09-23 | 杭州安影科技有限公司 | 单体电池的老化检测方法及系统 |
CN115267557A (zh) * | 2022-08-26 | 2022-11-01 | 中国长江三峡集团有限公司 | 一种锂电池电解液泄露故障诊断方法、装置和电子设备 |
CN115684975A (zh) * | 2022-12-28 | 2023-02-03 | 湖北工业大学 | 一种基于均衡电量量化电池微短路的方法及系统 |
CN115699507A (zh) * | 2021-01-25 | 2023-02-03 | 株式会社Lg新能源 | 电池管理设备和方法 |
CN116154900A (zh) * | 2023-01-05 | 2023-05-23 | 北京西清能源科技有限公司 | 一种电池储能电站的主动安全三级防控系统及方法 |
CN116224116A (zh) * | 2022-12-09 | 2023-06-06 | 力神(青岛)新能源有限公司 | 锂离子电池析锂的检测方法 |
CN117269768A (zh) * | 2023-09-25 | 2023-12-22 | 江苏大学 | 基于容量增量曲线的并联电池组短路故障诊断方法及装置 |
-
2024
- 2024-02-06 CN CN202410171224.2A patent/CN117719345B/zh active Active
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101981750A (zh) * | 2008-04-01 | 2011-02-23 | 丰田自动车株式会社 | 二次电池系统 |
CN105270183A (zh) * | 2010-05-14 | 2016-01-27 | 丰田自动车株式会社 | 二次电池的控制装置及控制方法 |
CN106443467A (zh) * | 2016-09-18 | 2017-02-22 | 北京交通大学 | 基于充电过程的锂离子电池充入电量建模方法与应用 |
CN107870301A (zh) * | 2016-09-27 | 2018-04-03 | 华为技术有限公司 | 一种电池微短路的检测方法及装置 |
JP2021052463A (ja) * | 2019-09-24 | 2021-04-01 | トヨタ自動車株式会社 | 車両 |
WO2021217698A1 (zh) * | 2020-04-29 | 2021-11-04 | 上海理工大学 | 一种区分电池微短路和小容量故障的诊断方法 |
KR20210141094A (ko) * | 2020-05-15 | 2021-11-23 | 주식회사 엘지에너지솔루션 | 배터리 관리 시스템, 배터리 팩, 에너지 저장 시스템 및 배터리 관리 방법 |
CN111693882A (zh) * | 2020-06-30 | 2020-09-22 | 厦门金龙联合汽车工业有限公司 | 一种换电电池健康状态的评价方法 |
CN112319308A (zh) * | 2020-11-04 | 2021-02-05 | 北京理工大学 | 一种动力电池多故障检测方法与系统 |
CN115699507A (zh) * | 2021-01-25 | 2023-02-03 | 株式会社Lg新能源 | 电池管理设备和方法 |
CN112924884A (zh) * | 2021-01-29 | 2021-06-08 | 同济大学 | 基于增量容量曲线峰值面积的电池内短路定量诊断方法 |
CN112924885A (zh) * | 2021-01-29 | 2021-06-08 | 同济大学 | 基于增量容量曲线峰值高度的电池内短路定量诊断方法 |
CN113848495A (zh) * | 2021-10-11 | 2021-12-28 | 江苏省特种设备安全监督检验研究院 | 基于充电曲线的内部微短路故障诊断方法 |
CN113848479A (zh) * | 2021-10-11 | 2021-12-28 | 西安交通大学 | 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 |
CN114441970A (zh) * | 2021-12-22 | 2022-05-06 | 上海瑞浦青创新能源有限公司 | 锂电池soh估算方法及系统 |
CN114487889A (zh) * | 2021-12-31 | 2022-05-13 | 国网江苏电力设计咨询有限公司 | 一种基于预充电流脉冲的电池内短路故障识别方法 |
CN115097332A (zh) * | 2022-07-28 | 2022-09-23 | 杭州安影科技有限公司 | 单体电池的老化检测方法及系统 |
CN115267557A (zh) * | 2022-08-26 | 2022-11-01 | 中国长江三峡集团有限公司 | 一种锂电池电解液泄露故障诊断方法、装置和电子设备 |
CN116224116A (zh) * | 2022-12-09 | 2023-06-06 | 力神(青岛)新能源有限公司 | 锂离子电池析锂的检测方法 |
CN115684975A (zh) * | 2022-12-28 | 2023-02-03 | 湖北工业大学 | 一种基于均衡电量量化电池微短路的方法及系统 |
CN116154900A (zh) * | 2023-01-05 | 2023-05-23 | 北京西清能源科技有限公司 | 一种电池储能电站的主动安全三级防控系统及方法 |
CN117269768A (zh) * | 2023-09-25 | 2023-12-22 | 江苏大学 | 基于容量增量曲线的并联电池组短路故障诊断方法及装置 |
Non-Patent Citations (2)
Title |
---|
基于容量增量分析的石墨负极磷酸铁锂电池SOC估算方法研究;马泽宇;姜久春;王占国;时玮;郑林锋;张言茹;;汽车工程;20141225(第12期);第1439-1444页 * |
基于老化机理分析退役磷酸铁锂电池分选方法;薛金花;陶以彬;杨波;吴福保;孙金磊;;电源技术;20200520(第05期);第25-30页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117719345A (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111610456B (zh) | 一种区分电池微短路和小容量故障的诊断方法 | |
CN117719345B (zh) | 一种基于ic曲线考虑老化的电池微短路量化方法 | |
CN111208439A (zh) | 一种串联锂离子电池组微短路故障定量检测方法 | |
CN110376530B (zh) | 电池内短路检测装置及方法 | |
CN111679201B (zh) | 一种动力电池包内短路的检测方法 | |
CN115032542A (zh) | 一种基于混合模型的储能系统电池热失控预判方法 | |
CN111929602B (zh) | 一种基于容量估计的单体电池漏电或微短路定量诊断方法 | |
CN111505532A (zh) | 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 | |
CN111551860A (zh) | 一种基于弛豫电压特征的电池内短路诊断方法 | |
CN112180274B (zh) | 一种动力电池组快速检测测评方法 | |
CN113109729B (zh) | 基于加速老化试验与实车工况的车用动力电池soh评估方法 | |
CN114839536A (zh) | 一种基于多健康因子的锂离子电池健康状态估计方法 | |
CN112363061A (zh) | 一种基于大数据的热失控风险评估方法 | |
CN115659799A (zh) | 一种具备阈值自适应功能的锂电储能电站故障诊断方法 | |
CN115754724A (zh) | 一种适用于未来不确定性动态工况放电的动力电池健康状态估计方法 | |
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 | |
CN114740359A (zh) | 基于电量估计的电池内短路诊断方法、装置及存储介质 | |
CN112924878B (zh) | 一种基于弛豫电压曲线的电池安全性诊断方法 | |
CN112130077A (zh) | 一种不同工况下动力电池组的soc估算方法 | |
CN113884922B (zh) | 一种基于电压和电量离群系数的电池内短路定量诊断方法 | |
CN116047339A (zh) | 基于热电耦合模型的锂离子电池组soc估计方法及装置 | |
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 | |
CN116804715A (zh) | 一种判断导致电池系统出现不一致原因的方法 | |
CN117554845B (zh) | 电池健康状态评估方法、装置、电子设备及存储介质 | |
CN110808425B (zh) | 一种混合动力汽车用单体电池电荷补偿控制方法 |
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 |