[发明专利]一种锂电池电解液泄露故障诊断方法、装置和电子设备

权利要求书

1.一种锂电池电解液泄露故障诊断方法，其特征在于，所述方法包括：

对电池样本进行不同SOC条件下的EIS测试和DRT分析，得到不同SOC条件下的阻抗谱数据和DRT曲线；

从各个SOC条件下的所述阻抗谱数据和DRT曲线中提取特征参数；

基于不同SOC条件下的特征参数计算特征参数变化率，并利用所述特征参数变化率设定诊断阈值；

将待检测电池的特征参数与所述诊断阈值进行比对，并根据比对结果对所述待检测电池进行故障诊断；

将所述电池样本各个SOC条件下提取的特征参数作为机器学习的训练样本，训练机器学习模型；

将待检测电池的特征参数输入所述机器学习模型，以通过所述机器学习模型输出所述待检测电池的故障诊断结果；

若根据所述比对结果完成了所述待检测电池故障的识别，则停止所述机器学习模型的计算过程；

所述对电池样本进行不同SOC条件下的EIS测试和DRT分析，得到不同SOC条件下的阻抗谱数据和DRT曲线，包括：获取正常电池样本和故障电池样本；分别对正常电池样本和故障电池样本在多种SOC条件下进行EIS测试，得到各个电池样本的在多种SOC条件下的阻抗谱数据；分别对各个电池样本的阻抗谱数据进行DRT分析，得到各个电池样本在多种SOC条件下的DRT曲线；

所述从各个SOC条件下的所述阻抗谱数据和DRT曲线中提取特征参数，包括：从当前样本的各个SOC条件下的阻抗谱数据和DRT曲线中提取各个SOC条件的特征参数，所述当前样本是正常电池样本或故障电池样本；以其中一个SOC条件为初始条件，计算其他SOC条件的特征参数相对于所述初始条件的特征参数的变化率；基于各个SOC特征参数的变化率从各个SOC条件中确定关键SOC条件，并基于所述关键SOC条件的特征参数确定所述当前样本的特征参数；

所述基于所述关键SOC条件的特征参数确定所述当前样本的特征参数，包括：提取当前SOC条件下DRT曲线中各个特征峰的峰值；计算当前SOC条件各个特征峰的峰值相比所述初始条件的DRT曲线中各个特征峰的峰值的变化率，并从当前SOC条件的各个特征峰中选择目标特征峰，所述目标特征峰的峰值的变化率大于预设阈值；从所述目标特征峰中提取第一关键参数；基于所述目标特征峰的频率范围从当前SOC条件的阻抗谱数据中提取第二关键参数；将所述第一关键参数和所述第二关键参数作为所述当前样本在当前SOC条件下的特征参数。

2.根据权利要求1所述的方法，其特征在于，所述第一关键参数包括所述目标特征峰的峰值、面积和峰值对应的时间常数；所述第二关键参数包括阻抗谱与实轴的交点所对应的阻抗实部和频率，阻抗谱弧段顶点所对应的阻抗实部、阻抗虚部和频率。

3.根据权利要求2所述的方法，其特征在于，所述基于不同SOC条件下的特征参数计算特征参数变化率，并利用所述特征参数变化率设定诊断阈值，包括：

针对正常电池样本或故障电池样本，以其中一个SOC条件为初始条件，计算其他SOC条件的特征参数相对于所述初始条件的特征参数的变化率；

基于正常电池样本特征参数的变化率与故障电池样本特征参数的变化率之间的差值，划分所述诊断阈值。