[发明专利]一种基于电池组一致性演变的电池微故障诊断方法

说明书

本发明公开了一种基于电池组一致性演变的电池微故障诊断方法，属于电池技术领域。本发明提出使用多个历史充电段电压数据，利用电池充电电压曲线(Cell Charge Voltage Curve，CCVC)变换原理，使用自适应惯性权重粒子群算法进行电池组一致性定量寻优计算，以电池充电电压曲线的相似匹配度(平均欧氏距离)作为适应度值，获得表征电池组一致性情况的量化参数。然后对一致性参数进行标准化处理，获得表征电池一致性情况在电池组中相对位置的相对位置Z‑Score，并计算相对位置的标准差，计算电池一致性变化分数。使用基于3σ准则的异常值检测方法进行电池微故障识别，寻找出一致性演变异常的故障电池。使用故障实车电池数据集的部分充电段数据进行实验证明了故障诊断方法的有效性。

技术领域

本发明属于电池技术领域，具体涉及电池故障诊断的方法。

背景技术

锂离子电池具有能量密度高、比能量高、循环寿命长、自放电低、环保等优点。由于这些特性，它们已经成为一种流行的可充电化学电池，广泛的应用于便携式电子产品、电动汽车、电网储能和可再生能源等领域。为了满足车辆行驶的动态要求，需要将数百块锂离子动力电池进行串并联组装。由于老化过程(SEI增长、析锂、活性物质损失等)或实际操作中的滥用(挤压、碰撞、穿刺等机械滥用和过充、过放、短路等电气滥用)，每个组成单元或相关附件可能发生各种故障。未经检查的故障将对电池安全产生不利影响，甚至在某些极端条件下导致电池系统热失控起火等灾难性事故。因此，在实际运行中，对电池组进行及时、准确地故障诊断是十分必要的。

当前，电池故障诊断方法有很多，可分为基于模型、基于信号处理、基于知识以及数据驱动等。基于模型的故障诊断方法依赖于模型的精准性以及故障阈值设置合适性，基于信号的故障诊断方法使用短期的数据，容易受到电池系统不一致性的影响，基于知识的故障诊断方法依赖于数据的获取和故障知识库的建立，工作量巨大。数据驱动的方法不需要对电池系统中的每个电池进行复杂的建模过程。从理论上讲，电池系统中的电池应具有良好的一致性，在相同条件下电池系统中的电池电压应遵循一定的分布。因此，基于信息熵、局部离群因子和相关系数的方法可以准确地检测电压信号中的异常数据，从而检测故障是否发生。相比与其他使用短时间尺度数据驱动的方法，使用长时间尺度数据的一致性演变故障诊断方法考虑了电池一致性演变的长时间尺度特性，可以有效的避免使用短期数据对微故障断层定量估计的困难。然而有些故障发生在一些一致性故障情况不明显的电池组中，直接通过一致性的好坏易造成误报和漏报。

发明内容

本发明的目的是为了解决现有存在的技术问题,针对电池一致性演变的长时间尺度特性和的一致性故障情况不明显的问题,进而提出一种基于电池一致性演变的电池微故障诊断方法，其特征在于，具体包括：

S1,采集多个电池充电数据，并筛选出可用的充电段电池电流、电压数据，基于CCVC变换原理，使用自适应惯性权重粒子群算法计算表征电池内阻、容量、初始SOC一致性情况的定量参数P＝[ΔU,k,ΔAh]，其中电池一致性参数P＝[ΔU,k,ΔAh]的具体计算方法是：

设定平均电池为参考电池，即：

/

其中U_i为单体电池i各采样点的电压，n为电池组的电池数量。

以充入电量为横坐标，电池端电压为纵坐标，得到各电池充电电压曲线，基于CCVC变换原理，即：

其中[r₀,C₀,SOC₀]和[r_i,C_i,SOC_i]分别为参考电池和单体电池i的内阻、容量和初始SOC，I为充电电流，α为同一充电段内不同充电阶梯的一致性参数ΔU的修正系数，I₁和I_m分别为同一充电段内第1个充电阶梯和第m个充电阶梯的电流；