一种动力电池组故障在线诊断方法及系统技术方案

本发明专利技术属于动力电池组技术领域，提供了一种动力电池组故障在线诊断方法及系统。其中，该方法包括按照设定时间间隔获取动力电池组的电压数据；将所述电压数据构建成若干第一电压时间序列，并将各个第一电压时间序列的电压与预设电压阈值进行比较，初步诊断动力电池组是否存在故障；当初步诊断动力电池组不存在故障时，对所有第一电压时间序列进行相空间重构，得到若干第二电压时间序列；利用模糊函数计算任意两个第二电压时间序列之间的相似度，进而依次计算各个第二电压时间序列的模糊熵值；根据所述模糊熵值与预设模糊熵值阈值的比较结果，最终在线诊断出各个设定时间间隔内动力电池组的故障及其发生时间。力电池组的故障及其发生时间。力电池组的故障及其发生时间。

【技术实现步骤摘要】
一种动力电池组故障在线诊断方法及系统


[0001]本专利技术属于动力电池组
，尤其涉及一种动力电池组故障在线诊断方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]锂离子电池组是一类非线性、多重时变性、多时空尺度的混合系统，随着电池所处的环境、工况等诸多因素的交互影响，电池组内部会出现严重的不一致性，电池趋于老化，其表现一般为内阻不断增加、容量逐渐衰减，安全充放电边界难寻，极易引发过充、过放、短路等滥用故障，进而导致热失控的发生，造成极大的经济损失，严重威胁人身安全。因此，需使用一种故障诊断方法及时高效地对动力电池组进行故障排查。现有的故障诊断方法中，基于数据驱动的诊断方法因其无模型特征、操作方便、适用性强、非线性映射好等优势，逐步成为电池领域的热点。其中基于熵的方法仅通过获得的电池电压的时间序列，便能够实时检测出电池故障发生的时间和位置，十分适用于动力电池及储能系统的应用。
[0004]但是专利技术人发现，目前基于熵的方法对短电压序列的数量和质量都很敏感，预测精度低且鲁棒性差，故障检测信息极易出现丢失、缺失等现象，极大地增加了误诊断、漏诊断的概率，使得安全隐患愈发突出。

技术实现思路

[0005]为了解决上述
技术介绍
中存在的技术问题，本专利技术提供一种动力电池组故障在线诊断方法及系统，其通过引入模糊隶属函数，实现参数优化的同时，能够在不同电池状态和测量噪声干扰下准确稳定地诊断锂离子电池早期故障及发生时间，为实际应用中的不可控因素提供了保障。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]本专利技术的第一个方面提供一种动力电池组故障在线诊断方法，其包括：
[0008]按照设定时间间隔获取动力电池组的电压数据；
[0009]将所述电压数据构建成若干第一电压时间序列，并将各个第一电压时间序列的电压与预设电压阈值进行比较，初步诊断动力电池组是否存在故障；
[0010]当初步诊断动力电池组不存在故障时，对所有第一电压时间序列进行相空间重构，得到若干第二电压时间序列；
[0011]利用模糊隶属函数计算任意两个第二电压时间序列之间的相似度，进而依次计算各个第二电压时间序列的模糊熵值；
[0012]根据所述模糊熵值与预设模糊熵值阈值的比较结果，最终在线诊断出各个设定时间间隔内动力电池组的故障及其发生时间。
[0013]作为一种实施方式，根据预设长度的滑动窗口将所述电压数据构建成若干第一电
压时间序列。
[0014]作为一种实施方式，当出现第一电压时间序列中的电压低于预设电压阈值时，初步诊断动力电池组存在故障。
[0015]作为一种实施方式，所述模糊隶属函数为指数函数，两个第二电压时间序列之间的相似度由这两个第二电压时间序列之间的最大绝对距离的指数函数计算得到。
[0016]作为一种实施方式，当某一第二电压时间序列的模糊熵值大于预设模糊熵值阈值时，在线诊断出相应设定时间间隔内动力电池组的故障，并将相关的第二电压时间序列及所计算的模糊熵值一同传送至前端设备。
[0017]本专利技术的第二个方面提供一种动力电池组故障在线诊断系统，其包括：
[0018]电压数据获取模块，其用于按照设定时间间隔获取动力电池组的电压数据；
[0019]故障初步诊断模块，其用于将所述电压数据构建成若干第一电压时间序列，并将各个第一电压时间序列的电压与预设电压阈值进行比较，初步诊断动力电池组是否存在故障；
[0020]相空间重构模块，其用于当初步诊断动力电池组不存在故障时，对所有第一电压时间序列进行相空间重构，得到若干第二电压时间序列；
[0021]模糊熵值计算模块，其用于利用模糊隶属函数计算任意两个第二电压时间序列之间的相似度，进而依次计算各个第二电压时间序列的模糊熵值；
[0022]故障最终诊断模块，其用于根据所述模糊熵值与预设模糊熵值阈值的比较结果，最终在线诊断出各个设定时间间隔内动力电池组的故障及其发生时间。
[0023]作为一种实施方式，在所述故障初步诊断模块中，根据预设长度的滑动窗口将所述电压数据构建成若干第一电压时间序列。
[0024]作为一种实施方式，在所述故障初步诊断模块中，当出现第一电压时间序列中的电压低于预设电压阈值时，初步诊断动力电池组存在故障。
[0025]作为一种实施方式，在所述模糊熵值计算模块中，所述模糊隶属函数为指数函数，两个第二电压时间序列之间的相似度由这两个第二电压时间序列之间的最大绝对距离的指数函数计算得到。
[0026]作为一种实施方式，在所述故障最终诊断模块中，当某一第二电压时间序列的模糊熵值大于预设模糊熵值阈值时，在线诊断出相应设定时间间隔内动力电池组的故障，并将相关的第二电压时间序列及所计算的模糊熵值一同传送至前端设备。
[0027]与现有技术相比，本专利技术的有益效果是：
[0028](1)本专利技术提出的动力电池组故障在线诊断方法，根据模糊熵的数值变化，具有无模型特征、操作方便、适用性强等优势，能够在无模型的情况下检测出电池故障的发生的位置并根据采样频率计算出的故障早期形态的时间，准确检测和定位电池早期故障及其发生时间。
[0029](2)本专利技术通过引入模糊隶属函数来计算模糊熵值，参数设置便捷准确，抗干扰性强且不必考虑电池不一致性的影响，在实际应用中因其引入了模糊函数而改变了数据的离散程度，具有一定的抗干扰性，诊断结果稳定。
[0030]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0031]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0032]图1为本专利技术实施例1的动力电池组故障在线诊断方法具体流程图；
[0033]图2(a)、图2(b)分别为现有样本熵和本专利技术实施例1中的隶属函数；
[0034]图3(a)、图3(b)分别为本专利技术实施例1的8节串联模组在UDDS工况下的电压时间序列和加入50％信噪比后新电压时间序列；
[0035]图4(a)、图4(b)、图4(c)分别为现有样本熵在不同参数下的电池组故障检测效果示意图(N＝5，r＝0.094；N＝10，r＝0.094；N＝5，r＝0.098)；
[0036]图5(a)、图5(b)、图5(c)分别为本专利技术实施例1在不同滑动窗口下的电池组故障检测效果示意图(N＝15，r＝0.094；N＝5，r＝0.094；N＝30，r＝0.094)；
[0037]图6(a)、图6(b)分别为本专利技术实施例1在不同相似度下的电池组故障检测效果示意图(N＝15，r＝0.08；N＝15，r＝0.15)；
[0038]图7(a)、图7(b)分别为现有样本熵和本专利技术实施例1在加入50％信噪比本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动力电池组故障在线诊断方法，其特征在于，包括：按照设定时间间隔获取动力电池组的电压数据；将所述电压数据构建成若干第一电压时间序列，并将各个第一电压时间序列的电压与预设电压阈值进行比较，初步诊断动力电池组是否存在故障；当初步诊断动力电池组不存在故障时，对所有第一电压时间序列进行相空间重构，得到若干第二电压时间序列；利用模糊隶属函数计算任意两个第二电压时间序列之间的相似度，进而依次计算各个第二电压时间序列的模糊熵值；根据所述模糊熵值与预设模糊熵值阈值的比较结果，最终在线诊断出各个设定时间间隔内动力电池组的故障及其发生时间。2.如权利要求1所述的动力电池组故障在线诊断方法，其特征在于，根据预设长度的滑动窗口将所述电压数据构建成若干第一电压时间序列。3.如权利要求1所述的动力电池组故障在线诊断方法，其特征在于，当出现第一电压时间序列中的电压低于预设电压阈值时，初步诊断动力电池组存在故障。4.如权利要求1所述的动力电池组故障在线诊断方法，其特征在于，所述模糊隶属函数为指数函数，两个第二电压时间序列之间的相似度由这两个第二电压时间序列之间的最大绝对距离的指数函数计算得到。5.如权利要求1所述的动力电池组故障在线诊断方法，其特征在于，当某一第二电压时间序列的模糊熵值大于预设模糊熵值阈值时，在线诊断出相应设定时间间隔内动力电池组的故障，并将相关的第二电压时间序列及所计算的模糊熵值一同传送至前端设备。6.一种动力电池组故障在线诊断系统，其特征在于，包括：电压数据获取模块，其用于按照设定时间间隔获取动力电池组的电压数据；故障初...

【专利技术属性】
技术研发人员：张承慧，庞其天，康永哲，段彬，
申请(专利权)人：山东大学，
类型：发明
国别省市：