CN115951231A - 基于单体电池电压相关性的汽车动力电池故障预警方法 - Google Patents
基于单体电池电压相关性的汽车动力电池故障预警方法 Download PDFInfo
- Publication number
- CN115951231A CN115951231A CN202310239436.5A CN202310239436A CN115951231A CN 115951231 A CN115951231 A CN 115951231A CN 202310239436 A CN202310239436 A CN 202310239436A CN 115951231 A CN115951231 A CN 115951231A
- Authority
- CN
- China
- Prior art keywords
- voltage
- single battery
- time
- battery
- time window
- 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 30
- 230000002159 abnormal effect Effects 0.000 claims abstract description 22
- 238000004140 cleaning Methods 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 11
- 239000000178 monomer Substances 0.000 claims description 10
- 208000032953 Device battery issue Diseases 0.000 claims description 6
- 230000008901 benefit Effects 0.000 abstract description 5
- 230000005856 abnormality Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 2
- 229910001416 lithium ion Inorganic materials 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010000369 Accident Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000009189 diving Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000003912 environmental pollution 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
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- 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
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供了基于单体电池电压相关性的汽车动力电池故障预警方法，包括以下步骤：获取数据清洗后的基于时间序列的车辆各个单体电池的电压数据；确定时间窗口长度，获取当前窗口中各单体电池的电压数据，使用相关系数算法，基于滑动窗计算每个时刻各单体电池与其他单体电池的电压相关系数和；对得到的各单体电池的电压相关系数使用统计学工具Z分数，基于滑动窗得到每个时刻各单体电池电压异常系数A，设定异常系数故障判定阈值，基于各单体电池电压相关系数的异常系数实现动力电池电压不一致性故障预警。本发明具有数据精简的优点、易采集的优点，可以实现车辆热失控故障的实时预警，并且可以定位故障单体电池。
Description
技术领域
本发明属于汽车动力电池技术领域，具体涉及基于单体电池电压相关性的汽车动力电池故障预警方法。
背景技术
在环境污染和能源危机的双重压力下，节能减排成为世界各国的共同责任，以电动汽车为代表的新能源汽车已成为未来交通出行工具的首选。动力电池系统作为电动汽车的关键和核心部件，其安全性和可靠性在很大程度上直接影响电动汽车的综合性能。锂离子电池凭借其自身功率、能量密度高、循环寿命长以及自放电率低等优势，是目前新能源汽车行业中使用最为广泛的储能元件。但近年来，随着锂离子电池系统在极端运行条件和恶劣环境下发生故障导致火灾事故的不断发生，其安全性越来越受到关注。以热失控为特征的安全事故时有发生，给公众的生命财产安全带来了隐患。
电动汽车的热失控具有不确定性，其在静止、行驶以及停车充电过程中都有发生热失控的可能。此外，它还具有突发性，在发生热失控之前，电池管理系统的监控数据以及后台数据并不会侦测到明显的异常。因此，进行电动汽车动力电池热失控预警对于保证电动汽车的安全至关重要。
目前，对电池的热失控预警方法研究主要集中于基于实验室条件开展的动力电池系统故障诊断方法，或使用相关软件进行模型仿真试验。这类研究往往计算量较大、诊断精度较低且诊断目标普适性较差，对来自于系统、环境的噪声以及系统不确定性的鲁棒特性不足，在电动汽车上的实际应用效果并不理想。因此，面向实车动力电池系统的高准确性、高可靠性故障诊断方法尚待开发，以期提高电动汽车的安全性。
基于此，提出了一种基于单体电池电压相关性的汽车动力电池故障预警方法。
发明内容
本发明所要解决的技术问题在于针对上述现有技术的不足，提供一种基于单体电池电压相关性的汽车动力电池故障预警方法，以解决上述背景技术中提出的问题。
为解决上述技术问题，本发明采用的技术方案是：基于单体电池电压相关性的汽车动力电池故障预警方法，包括以下步骤：
S1、获取数据清洗后的基于时间序列的车辆各个单体电池的电压数据，
具体包括以下步骤：
S11、先对车辆动力电池单体电压信号进行数据清洗，将数据内存在的空数据和大于5V的数据删除后进行选择；
S12、提取基于时间序列的车辆各个单体电池的电压数据，构建电压数据集U为：
其中，U是基于时间序列的所有单体电池的电压数据集；
ui是基于时间序列的第i号单体电池的电压数据；
K为动力电池包内单体电池的个数；
S2、确定时间窗口长度，获取当前窗口中各单体电池的电压数据，使用相关系数算法，基于滑动窗计算每个时刻各单体电池与其他单体电池的电压相关系数和；
S3、对S2得到的各单体电池的电压相关系数使用统计学工具Z分数，基于滑动窗得到每个时刻各单体电池电压异常系数A；
S4：设定异常系数故障判定阈值，基于各单体电池电压相关系数的异常系数实现动力电池电压不一致性故障预警。
进一步的，S2具体包括以下步骤：
S21、确定从
时刻到
时刻的时间窗口长度
；
其中，
时刻大于
时刻；
S22、构建从
时刻到
时刻各个单体电池的电压数据集
：
其中，
是第
个时间窗口下的单体电池电压数据集，
；
S23、计算第h个时间窗口下第j号单体电池与其他单体电池的电压相关系数和
为：
S24、第h个时间窗口下电压数据集
的单体电池的电压相关系数为：
S25、根据S23~S24计算所有时间窗口下各个单体电池与其他单体电池的电压相关系数和为：
其中，n为时间窗口的个数。
进一步的，S3具体包括以下步骤：
S31、计算第h个时间窗口下第j号单体电池基于Z分数的电压异常系数
为：
其中，
是第h个时间窗口下所有单体电压的平均相关系数值；
S32、第h个时间窗口下所有单体电池基于Z分数的电压异常系数
为：
S33、根据S31~S32计算所有时间窗口下所有单体电池基于Z分数的电压异常系数A为：
进一步的，S4具体包括以下步骤：
S41、设定异常系数故障判定阈值Z；
S42、对所有时间窗口下所有单体电池相关系数的异常系数值进行阈值判断，如果未超过阈值，说明车辆没有发生热失控动力电池故障的风险；
如果超过阈值，则说明有发生热失控动力电池故障的风险，并且记录下对应的单体电池代号以及确定报警时间。
本发明与现有技术相比具有以下优点：
本发明使用的是电动汽车单体电池的电压数据，具有数据精简的优点；并且，单体电池电压数据为电动汽车的实时运行数据，具有易采集的优点；其次，本发明不受单体电池电压值大小的影响，不需要根据车辆的运行工况以及充放电工况进行分类分析；而且本发明可以实现车辆热失控故障的实时预警，并且可以定位故障单体电池。
附图说明
图1是本发明的基于实车数据的电动汽车动力电池故障预警流程图：
图2是本发明实施例中基于时间序列的车辆各个单体电池的电压数据；
图3是本发明实施例中各个时间窗口下的单体电池的电压相关系数值；
图4是本发明实施例中各个时间窗口下的单体电池的电压异常系数值。
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。
如图1所示，本发明提供一种技术方案：基于单体电池电压相关性的汽车动力电池故障预警方法，包括以下步骤：
S1、获取数据清洗后的基于时间序列的车辆各个单体电池的电压数据，
具体包括以下步骤：
S11、先对车辆动力电池单体电压信号进行数据清洗，将数据内存在的空数据和大于5V的数据删除后进行选择；
S12、提取基于时间序列的车辆各个单体电池的电压数据，构建电压数据集U为：
其中，U是基于时间序列的所有单体电池的电压数据集；
ui是基于时间序列的第i号单体电池的电压数据；
K为动力电池包内单体电池的个数。
S2、确定时间窗口长度，获取当前窗口中各单体电池的电压数据，使用相关系数算法，基于滑动窗计算每个时刻各单体电池与其他单体电池的电压相关系数和；
具体包括以下步骤：
S21、确定从
时刻到
时刻的时间窗口长度
；
其中，
时刻大于
时刻；
S22、构建从
时刻到
时刻各个单体电池的电压数据集
：
其中，
是第
个时间窗口下的单体电池电压数据集，
；
S23、计算第h个时间窗口下第j号单体电池与其他单体电池的电压相关系数和
为：
其中，
为第h个时间窗口下第j号单体电池与第K号单体电池的电压相关系数；
S24、第h个时间窗口下电压数据集
的单体电池的电压相关系数为：
S25、根据S23~S24计算所有时间窗口下各个单体电池与其他单体电池的电压相关系数和为：
其中，n为时间窗口的个数。
S3、对S2得到的各单体电池的电压相关系数使用统计学工具Z分数，基于滑动窗得到每个时刻各单体电池电压异常系数A；
具体包括以下步骤：
S31、计算第h个时间窗口下第j号单体电池基于Z分数的电压异常系数
为：
其中，
是第h个时间窗口下所有单体电压的平均相关系数值；
S32、第h个时间窗口下所有单体电池基于Z分数的电压异常系数
为：
S33、根据S31~S32计算所有时间窗口下所有单体电池基于Z分数的电压异常系数A为：
S4：设定异常系数故障判定阈值，基于各单体电池电压相关系数的异常系数实现动力电池电压不一致性故障预警，具体包括以下步骤：
S41、设定异常系数故障判定阈值Z；
S42、对所有时间窗口下所有单体电池相关系数的异常系数值进行阈值判断，如果未超过阈值，说明车辆没有发生热失控动力电池故障的风险；
如果超过阈值，则说明有发生热失控动力电池故障的风险，并且记录下对应的单体电池代号以及确定报警时间。
图2为热失控事故车在时间序列下的各个单体电池的电压数据，车辆在最后阶段电压出现严重跳水时发生热失控，在此之前车辆处于正常状态。取时间窗口长度=100，图3为各个单体电池的电压相关系数值。设置阈值Z=，图4为各个单体电池的电压相关系数的异常系数值数据；
可以看出，在刚开始阶段就有某个单体电池的电压异常系数值超过-5，说明车辆有发生热失控的风险，并且定位到该电池为第29号单体电池，又过几秒后，86号单体电池电压异常系数值也超过-5。
在46分钟后，车辆发生了热失控。
综上所述，本发明提供的一种基于实车数据的电动汽车动力电池热失控预警方法可以很好地实现车辆热失控故障的提前预警，定位故障电池和发生时间，并且在车辆未有热失控故障时，不会产生误报的情况。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。
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 (4)
1.基于单体电池电压相关性的汽车动力电池故障预警方法，其特征在于，包括以下步骤：
S1、获取数据清洗后的基于时间序列的车辆各个单体电池的电压数据，
具体包括以下步骤：
S11、先对车辆动力电池单体电压信号进行数据清洗，将数据内存在的空数据和大于5V的数据删除后进行选择；
S12、提取基于时间序列的车辆各个单体电池的电压数据，构建电压数据集U为：
其中，U是基于时间序列的所有单体电池的电压数据集；
ui是基于时间序列的第i号单体电池的电压数据；
K为动力电池包内单体电池的个数；
S2、确定时间窗口长度，获取当前窗口中各单体电池的电压数据，使用相关系数算法，基于滑动窗计算每个时刻各单体电池与其他单体电池的电压相关系数和；
S3、对S2得到的各单体电池的电压相关系数使用统计学工具Z分数，基于滑动窗得到每个时刻各单体电池电压异常系数A；
S4：设定异常系数故障判定阈值，基于各单体电池电压相关系数的异常系数实现动力电池电压不一致性故障预警。
2.根据权利要求1所述的基于单体电池电压相关性的汽车动力电池故障预警方法，其特征在于，S2具体包括以下步骤：
S21、确定从
时刻到
时刻的时间窗口长度
；
其中，
时刻大于
时刻；
S22、构建从
时刻到
时刻各个单体电池的电压数据集
：
其中，
是第
个时间窗口下的单体电池电压数据集，
；
S23、计算第h个时间窗口下第j号单体电池与其他单体电池的电压相关系数和
为：
其中，
为第h个时间窗口下第j号单体电池与第K号单体电池的电压相关系数；
S24、第h个时间窗口下电压数据集
的单体电池的电压相关系数为：
S25、根据S23~S24计算所有时间窗口下各个单体电池与其他单体电池的电压相关系数和为：
其中，n为时间窗口的个数。
3.根据权利要求2所述的基于单体电池电压相关性的汽车动力电池故障预警方法，其特征在于，S3具体包括以下步骤：
S31、计算第h个时间窗口下第j号单体电池基于Z分数的电压异常系数
为：
其中，
是第h个时间窗口下所有单体电压的平均相关系数值；
S32、第h个时间窗口下所有单体电池基于Z分数的电压异常系数
为：
S33、根据S31~S32计算所有时间窗口下所有单体电池基于Z分数的电压异常系数A为：
4.根据权利要求3所述的基于单体电池电压相关性的汽车动力电池故障预警方法，其特征在于，S4具体包括以下步骤：
S41、设定异常系数故障判定阈值Z；
S42、对所有时间窗口下所有单体电池相关系数的异常系数值进行阈值判断，如果未超过阈值，说明车辆没有发生热失控动力电池故障的风险；
如果超过阈值，则说明有发生热失控动力电池故障的风险，并且记录下对应的单体电池代号以及确定报警时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310239436.5A CN115951231A (zh) | 2023-03-14 | 2023-03-14 | 基于单体电池电压相关性的汽车动力电池故障预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310239436.5A CN115951231A (zh) | 2023-03-14 | 2023-03-14 | 基于单体电池电压相关性的汽车动力电池故障预警方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115951231A true CN115951231A (zh) | 2023-04-11 |
Family
ID=87282818
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310239436.5A Pending CN115951231A (zh) | 2023-03-14 | 2023-03-14 | 基于单体电池电压相关性的汽车动力电池故障预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115951231A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116736140A (zh) * | 2023-08-08 | 2023-09-12 | 启垠科技(深圳)有限公司 | 基于储能量自检测的储能式极速充故障监测方法及系统 |
| CN116968556A (zh) * | 2023-07-26 | 2023-10-31 | 北京科技大学 | 一种基于模糊熵的动力与储能电池故障诊断方法 |
| CN117007971A (zh) * | 2023-07-05 | 2023-11-07 | 湖南行必达网联科技有限公司 | 电池故障诊断方法、装置及系统 |
| CN117922301A (zh) * | 2024-03-25 | 2024-04-26 | 北京厚方科技有限公司 | 一种适用于新能源汽车的电池供电安全监管系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112924870A (zh) * | 2021-04-12 | 2021-06-08 | 上海电享信息科技有限公司 | 电池不一致性的评估方法 |
| CN114583301A (zh) * | 2022-04-29 | 2022-06-03 | 国网浙江省电力有限公司电力科学研究院 | 基于安全特征参量表征体系的电站热失控预警方法及系统 |
| CN114942387A (zh) * | 2022-07-20 | 2022-08-26 | 湖北工业大学 | 一种基于真实数据的动力电池故障在线检测方法及系统 |
| CN115257379A (zh) * | 2022-08-05 | 2022-11-01 | 长安大学 | 一种基于实车数据的电动汽车动力电池热失控预警方法 |
-
2023
- 2023-03-14 CN CN202310239436.5A patent/CN115951231A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112924870A (zh) * | 2021-04-12 | 2021-06-08 | 上海电享信息科技有限公司 | 电池不一致性的评估方法 |
| CN114583301A (zh) * | 2022-04-29 | 2022-06-03 | 国网浙江省电力有限公司电力科学研究院 | 基于安全特征参量表征体系的电站热失控预警方法及系统 |
| CN114942387A (zh) * | 2022-07-20 | 2022-08-26 | 湖北工业大学 | 一种基于真实数据的动力电池故障在线检测方法及系统 |
| CN115257379A (zh) * | 2022-08-05 | 2022-11-01 | 长安大学 | 一种基于实车数据的电动汽车动力电池热失控预警方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117007971A (zh) * | 2023-07-05 | 2023-11-07 | 湖南行必达网联科技有限公司 | 电池故障诊断方法、装置及系统 |
| CN116968556A (zh) * | 2023-07-26 | 2023-10-31 | 北京科技大学 | 一种基于模糊熵的动力与储能电池故障诊断方法 |
| CN116736140A (zh) * | 2023-08-08 | 2023-09-12 | 启垠科技(深圳)有限公司 | 基于储能量自检测的储能式极速充故障监测方法及系统 |
| CN116736140B (zh) * | 2023-08-08 | 2023-10-20 | 启垠科技(深圳)有限公司 | 基于储能量自检测的储能式极速充故障监测方法及系统 |
| CN117922301A (zh) * | 2024-03-25 | 2024-04-26 | 北京厚方科技有限公司 | 一种适用于新能源汽车的电池供电安全监管系统 |
| CN117922301B (zh) * | 2024-03-25 | 2024-05-24 | 北京厚方科技有限公司 | 一种适用于新能源汽车的电池供电安全监管系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115951231A (zh) | 基于单体电池电压相关性的汽车动力电池故障预警方法 | |
| Shang et al. | A multi-fault diagnosis method based on modified Sample Entropy for lithium-ion battery strings | |
| Gan et al. | Data-driven fault diagnosis of lithium-ion battery overdischarge in electric vehicles | |
| Wang et al. | Voltage fault diagnosis and prognosis of battery systems based on entropy and Z-score for electric vehicles | |
| CN114559819B (zh) | 一种基于信号处理的电动汽车电池安全预警方法 | |
| CN110376530B (zh) | 电池内短路检测装置及方法 | |
| CN102749588B (zh) | 基于蓄电池soc和soh的故障诊断方法 | |
| CN112098850B (zh) | 基于sdo算法的锂离子电池电压故障诊断方法及系统 | |
| 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 | |
| CN112345955B (zh) | 一种动力电池多故障在线诊断方法与系统 | |
| CN111257753B (zh) | 一种电池系统故障诊断方法 | |
| CN109406929B (zh) | 变电站蓄电池组内部开路在线监测报警装置 | |
| CN107528095B (zh) | 基于新能源车辆存储卡数据的低压蓄电池失效预测方法 | |
| CN106300548A (zh) | 一种电池智能管理系统 | |
| CN117341476B (zh) | 一种电池压差故障预警方法及系统 | |
| CN117719345B (zh) | 一种基于ic曲线考虑老化的电池微短路量化方法 | |
| CN117783890A (zh) | 一种基于运行数据的新能源汽车电池电压故障诊断方法 | |
| CN105717458B (zh) | 一种电池内阻的在线实时检测方法 | |
| CN113533985B (zh) | 一种电池包内阻异常模块的识别方法及其存储介质 | |
| CN114646888A (zh) | 一种动力电池容量衰减的评估方法及系统 | |
| CN108535653B (zh) | 一种蓄电池内阻估算方法及装置 | |
| CN113935423A (zh) | 耦合模糊控制规则与Elman神经网络的动力电池故障预警方法与系统 | |
| 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 | |
| CN113435688A (zh) | 动力电池系统的风险排查方法 | |
| CN115469226B (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 |
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 |