[发明专利]一种锂离子电池故障诊断方法

说明书

本发明公开了一种锂离子电池故障诊断方法，包括以下步骤：S1、获取锂离子电池未发生故障及发生各类型故障时的电池数据；S2、使用信号降噪模型对步骤S1得到的数据进行降噪处理；S3、通过特征提取模型计算得到表征锂离子电池内部不同频率化学反应的特征参数；S4、计算该锂离子电池的安全阈值；S5、根据所述安全阈值确定报警时对应的故障类型，建立锂离子电池故障诊断模型；S6、获取待诊断锂离子电池使用过程中充放电循环电池数据，对该数据降噪并计算特征参数曲线，将特征参数曲线与基准参数曲线进行相似度对比，得到相似程度；S7、将相似程度输入步骤S5的锂离子电池故障诊断模型，若达到阈值，发出相应故障类型报警信号。

技术领域

本发明属于电池故障诊断领域，具体涉及一种锂离子电池故障诊断方法。

背景技术

近年来,二次锂离子电池由于能量密度高、使用寿命长、自放电率低、无记忆效应等被广泛应用于C产品、电动汽车及储能等领域。尤其随着环保问题的日益突出,锂离子电池在电动汽车领域的使用几乎呈线性增长的趋势。然而,由于锂离子电池自身的不稳定性、滥用以及科技发展对电池轻薄化与高能量密度更加苛刻的技术要求,频发的安全性事故引起了越来越多的关注。因此发明一种能够实时检测动力电池故障、预测结果精准的方法迫在眉睫。

锂离子电池电池是一种实时变化的复杂非线性系统，内部化学反应机理复杂，外部表现受多种参数变化的影响，建立电化学机理模型进行预测十分复杂，并且很难做到实时预测。近年来神经网络大量应用于动力电池故障诊断，但存在结构复杂、计算量巨大、可解释性差等缺陷，并且该方法单纯的基于数据驱动，未考虑当故障发生时内部微观化学反应与外部宏观表现之间的联系，预测结果准确度差。本发明提出的方法基于同步压缩连续小波变换降噪与特征参数提取方法，所提取特征参数能够表征当故障发生时锂离子电池内部不同频率化学反应能量的变化，将外部宏观表现与内部微观变化相联系，能够实现精确高效实时动力电池故障诊断。

发明内容

为解决上述方法存在的缺陷，本申请提供了一种锂离子电池故障诊断方法，该方法无需建模，计算量小，可做到实时在线检测；并且将外部宏观表现与内部化学反应发生的频率联系起来，极大的提升预测精确度。

本发明至少通过如下技术方案之一实现。

一种锂离子电池故障诊断方法，包括以下步骤：

S1、获取锂离子电池未发生故障及发生各类型故障时的电池数据；

S2、使用信号降噪模型对步骤S1得到的数据进行降噪处理；所述信号降噪模型的降噪处理包括如下：

使用连续小波变换(CWT)将所得锂离子电池数据从时间序列s(t)转换为时间-频率域，即连续小波变换(CWT)系数，所得时间-频率域为：

其中α表示连续小波分析尺度，τ表示连续小波分析时间转移窗口大小，t表示时间，*表示复共轭，s,ψ_α,τ表示s(t)与的内积，表示连续小波变换中的分析函数，即母波；

将所得时间-频率域划分为高能量低频率部分与高能量高频率部分：

其中，W_s(α,τ)为所得时间-频率域，n_a为尺度的数量，CF(τ)为使用所有连续小波分析尺度a计算CWT系数的叠加振幅，由CF系数得到CWT系数沿尺度轴的分布，因为低频特征的存在使得所得分布存在两个不同的峰值，通过设定最优阈值划分两个不同的峰值，由此得到高能量低频率部分与高能量高频率部分；