本发明专利技术涉及一种基于电量估计的电池内短路诊断方法、装置及存储介质，该方法包括：S1、离线获取待诊断型号电池的若干充电循环的电压、电流数据；S2、以基于阿伦尼乌斯老化模型估计充电电压区间内的电量的精确度为约束条件，采用智能优化算法确定电池的最优充电电压区间；S3、在线获取电池最优充电电压区间内的实际电量，并基于阿伦尼乌斯老化模型确定内短路发生的充电循环。与现有技术相比，本发明专利技术能够在线、准确地实现在充电过程对电池进行频繁、实时的诊断，诊断准确度高，有效保证电动汽车的安全性。的安全性。的安全性。
【技术实现步骤摘要】
基于电量估计的电池内短路诊断方法、装置及存储介质
[0001]本专利技术涉及电池内短路诊断
，尤其是涉及一种基于电量估计的电池内短路诊断方法、装置及存储介质。
技术介绍
[0002]随着人们对节能环保的日益重视，电动汽车受到了许多消费者的青睐。锂离子电池因为其能量密度高、功率密度高和自放电率低等优点被广泛应用于电动汽车。然而，锂离子电池存在如热失控的潜在安全问题，严重威胁消费者的人身安全和财产安全。内短路是引起电池热失控的主要原因之一。
[0003]早期内短路几乎没有明显的电特征和热特征，但持续时间长，如果能在电池内短路早起检测出故障并预警，就可以有效预防热失控发生。因此，如何及时、准确的对电池进行内短路诊断至关重要。
技术实现思路
[0004]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于电量估计的电池内短路诊断方法、装置及存储介质，能够在线、准确地实现在充电过程对电池进行频繁、实时的诊断，有效保证电动汽车的安全性。
[0005]本专利技术的目的可以通过以下技术方案来实现：
[0006]一种基于电量估计的电池内短路诊断方法，该方法包括：
[0007]S1、离线获取待诊断型号电池的若干充电循环的电压、电流数据；
[0008]S2、以基于阿伦尼乌斯老化模型估计充电电压区间内的电量的精确度为约束条件，采用智能优化算法确定电池的最优充电电压区间；
[0009]S3、在线获取电池最优充电电压区间内的实际电量，并基于阿伦尼乌斯老化模型确定内短路发生的充电循环。
[0010]优选地，所述的阿伦尼乌斯老化模型表示为：
[0011][0012]C
A
(n)＝(1
‑
ξ(n))
·
C0[0013]其中，ξ(n)为电池充电电压区间内的相对电量损失，A为大于零的常数，E
a
是单位为J/mol的活化能，R是单位为J/(mol k)的气体常数，T是单位为K的绝对温度，n是充电循环次数，z是幂系数，C
A
(n)表示第n个充循环时充电电压区间内的估计电量，C0表示充电电压区间内的初始电量。
[0014]优选地，步骤S2具体包括：
[0015]S21、设定充电电压区间的上限电压为U
ub
，下限电压为U
lb
；
[0016]S22、基于离线获取的电压、电流数据计算各个充电循环在充电电压区间的实际电量；
[0017]S23、利用阿伦尼乌斯老化模型估计各个充电循环在充电电压区间的估计电量；
[0018]S24、以阿伦尼乌斯老化模型中的参数A、E
a
/R、z以及U
ub
、U
lb
为变量，以充电电压区间内估计电量与实际电量的误差和最小为约束条件进行参数辨识，获取阿伦尼乌斯老化模型中的参数A、E
a
/R、z以及最优充电电压区间的上下限电压。
[0019]优选地，步骤S3包括：
[0020]S31、在线获取电池从初始充电循环开始的前l个充电循环的电压、电流数据，计算出最优充电电压区间内实际电量C
S
(1)～C
S
(l)；
[0021]S32、以前l个充电循环为基准，以作为基准的所有充电循环中最优充电电压区间内估计电量与实际电量的误差和最小为约束条件进行参数辨识，确定阿伦尼乌斯老化模型中的模型参数；
[0022]S33、利用建立的阿伦尼乌斯老化模型估计出第l+1个循环的估计电量C
A
(l+1)，判断其与在线获取的该充电循环实际电量C
S
(l+1)的误差σ(l+1)是否小于设定的误差阈值τ，如果σ(l+1)＜τ，则确定该循环是否发生内短路；
[0023]S34、如果σ(l+1)≥τ，则判断该循环未发生内短路，则赋值l＝l+1，重复步骤S32～S34。
[0024]优选地，某一充电电压区间内的实际电量通过下式获取：
[0025][0026]其中，C
S
(n)表示第n次充电循环时充电电压区间内的实际电量，t
lb
(n)为第n次循环时充电电压区间下限电压U
lb
对应的时间，t
ub
(n)为第n次循环时充电电压区间上限电压U
lb
对应的时间，I为电流。
[0027]优选地，参数辨识确定阿伦尼乌斯老化模型中的模型参数的约束条件表示为：
[0028][0029]其中，σ
sum
(k)为k个充电循环中充电电压区间内估计电量与实际电量的误差和，C
A
(n)为阿伦尼乌斯老化模型估计出第n个充电循环的估计电量，C
s
(n)为第n个充电循环的实际电量。
[0030]优选地，充电电压区间的上限电压U
ub
和下限电压U
lb
满足：U
max
>U
ub
>U
lb
>U
min
，U
min
为放电截止电压，U
max
为充电截止电压。
[0031]优选地，误差阈值τ步骤S1和步骤S2离线实验获取：基于阿伦尼乌斯老化模型估计不同充电循环时最优充电电压区间内的估计电量，同时基于离线数据获取响应充电循环时最优充电电压区间内的实际电量，绘制估计电量和实际电量的误差
‑
循环次数曲线，基于误差
‑
循环次数曲线确定误差阈值τ。
[0032]一种基于电量估计的电池内短路诊断装置，包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于当执行所述计算机程序时，实现所述的基于电量估计的电池内短路诊断方法。
[0033]一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的基于电量估计的电池内短路诊断方法。
[0034]与现有技术相比，本专利技术具有如下优点：
[0035](1)本专利技术利用充电电压区间内电量估计进行内短路诊断，在确定最优充电电压区间后，对于同类型电池单体，可以在相同充电区间内利用阿伦尼乌斯老化模型电量估计，进而基于充电电量进行内短路诊断，内短路诊断的原理为：当电池在某一循环发生内短路时，电池发生自放电，因此会造成电池在该循环时从充电电压区间下限电压充电至上限电压的时间增加，导致使用安时积分法计算出的充电电量增大，此时阿伦尼乌斯老化模型估计电量应当比在线获取的电量小，误差为负，电池短路越严重，该现象越明显。
[0036](2)本专利技术在线进行电池内短路诊断时通过未发生内短路充电循环的数据进行阿伦尼乌斯老化模型的参数辨识更新，使得模型能够精确进行充电电量的估计，保证内短路诊断的精准性。
[0037](3)本专利技术能够在线、准确地实现在充电本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于电量估计的电池内短路诊断方法，其特征在于，该方法包括：S1、离线获取待诊断型号电池的若干充电循环的电压、电流数据；S2、以基于阿伦尼乌斯老化模型估计充电电压区间内的电量的精确度为约束条件，采用智能优化算法确定电池的最优充电电压区间；S3、在线获取电池最优充电电压区间内的实际电量，并基于阿伦尼乌斯老化模型确定内短路发生的充电循环。2.根据权利要求1所述的一种基于电量估计的电池内短路诊断方法，其特征在于，所述的阿伦尼乌斯老化模型表示为：C
A
(n)＝(1
‑
ξ(n))
·
C0其中，ξ(n)为电池充电电压区间内的相对电量损失，A为大于零的常数，E
a
是单位为J/mol的活化能，R是单位为J/(mol k)的气体常数，T是单位为K的绝对温度，n是充电循环次数，z是幂系数，C
A
(n)表示第n个充循环时充电电压区间内的估计电量，C0表示充电电压区间内的初始电量。3.根据权利要求2所述的一种基于电量估计的电池内短路诊断方法，其特征在于，步骤S2具体包括：S21、设定充电电压区间的上限电压为U
ub
，下限电压为U
lb
；S22、基于离线获取的电压、电流数据计算各个充电循环在充电电压区间的实际电量；S23、利用阿伦尼乌斯老化模型估计各个充电循环在充电电压区间的估计电量；S24、以阿伦尼乌斯老化模型中的参数A、E
a
/R、z以及U
ub
、U
lb
为变量，以充电电压区间内估计电量与实际电量的误差和最小为约束条件进行参数辨识，获取阿伦尼乌斯老化模型中的参数A、E
a
/R、z以及最优充电电压区间的上下限电压。4.根据权利要求2所述的一种基于电量估计的电池内短路诊断方法，其特征在于，步骤S3包括：S31、在线获取电池从初始充电循环开始的前l个充电循环的电压、电流数据，计算出最优充电电压区间内实际电量C
S
(1)～C
S
(l)；S32、以前l个充电循环为基准，以作为基准的所有充电循环中最优充电电压区间内估计电量与实际电量的误差和最小为约束条件进行参数辨识，确定阿伦尼乌斯老化模型中的模型参数；S33、利用建立的阿伦尼乌斯老化模型估计出第l+1个循环的估计电量C
A
(l+1)，判断其与在线获取的该充电循环实际电量C
S
(l+1)的误差σ(l+1)是否小于设定的误差...
【专利技术属性】
技术研发人员：乔冬冬，范文君，戴海峰，魏学哲，
申请(专利权)人：同济大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。