一种在线识别电池自放电率异常的方法技术

本发明专利技术提供一种在线识别电池自放电率异常的方法，涉及新能源电池技术领域。具体是利用放电数据，通过收集某个日期D

【技术实现步骤摘要】
一种在线识别电池自放电率异常的方法


[0001]本专利技术涉及新能源电池应用
，更为具体地说是指一种在线识别电池自放电率异常的方法。

技术介绍

[0002]动力电池系统装车使用后，部分电池单体因滥用或制造缺陷会发生内部短路，短路是引发电池热失控的主要原因之一。为保障电池安全，需对电池的短路进行监测，在电池发生微小短路早期及时发出预警。目前，电池内短路的常用检测方法为长期搁置并监测电池电压变化情况，搁置时间长达一星期及以上。受搁置时长限制，该方法无法用于装车后的电池短路情况的监测。
[0003]为实现车载电池的在线监测，相关领域出现了云端远程诊断技术，基于车辆上传云端的电池数据，开展电池短路状态的分析。截至目前，已有多种电池内短路的监测方法，例如：申请公布号为CN 111929602A公开了一种基于容量估计的单体电池漏电或微短路定量诊断方法，包括如下步骤：S1获取电池单体的充放电数据；S2采用传统的容量估计方法分别估计电池充电容量C
C
和放电容量C
D
；S3计算放电容量与充电容量的比值，当其小于阈值时，判断发生漏电故障。然而，由于实车上充电容量受温度、电流倍率影响较大，实车放电容量受环境温度和车辆使用工况影响也较大，故该方法显然无法在实车上应用。
[0004]又如：申请公布号为CN111208439A的中国专利公开了一种串联锂离子电池组微短路故障定量检测方法，基于改进的双卡尔曼滤波器(DEKF)，估计电池的0CV；通过插值法计算得到电池的SOC，从而计算得到电池间SOC差异；针对磷酸铁锂电池，根据OCV获取得到的SOC误差大，造成算法准确度不高，难以用于识别微小短路。
[0005]再如：申请公布号为CN 113848495A的中国专利公开了一种基于充电曲线的内部微短路故障诊断方法，该专利主要是根据电池充电曲线得到的IC曲线，提取老化特征，掌握电池当前老化状态。但是，新能源汽车实际使用中，较多车辆充电难以实现恒流充电，较多车辆充电电流大于1C，大于1C充电即无法表现出两个平台的充电特征，致使算法通用性低。
[0006]为此，我们提供一种在线识别电池自放电率异常的方法。

技术实现思路

[0007]本专利技术提供一种在线识别电池自放电率异常的方法，以克服现有的电池自放电率异常识别准确度低和通用性低等缺点。
[0008]本专利技术采用如下技术方案：
[0009]一种在线识别电池自放电率异常的方法，包括以下步骤：
[0010](1)收集某个日期Di车辆运行过程中电池的相关参数，包含电压V、电流I、时间t；
[0011](2)对步骤(1)收集到的电流I和时间t数组进行计算处理，得到每时每刻的容量值Q(k)，再通过搭建模型、参数辨识，得到D
i
当天的每个电压数据对应的开路电压数据uoc(k)；
[0012](3)将步骤(2)中开路电压数据uoc(k)输入MQ求解模块，得到相应的MQ
i
值；
[0013](4)选定另一日期，重复步骤(1)至(3)，得到[D
i MQ
i
]n
×2矩阵，其中，n为重复的次数；
[0014](5)当[D
i MQ
i
]n
×2矩阵中n＝2时，采用公式SDR＝[MQ2‑
MQ1‑
(MQ
20
‑
MQ
10
)]/(D2‑
D1)/Q0计算得到SDR，其中MQ
20
与MQ
10
分别为D2与D1当天利用标准电压曲线重复步骤(1)至(3)所计算得到的对应的MQ值；当n＞2时，先对MQ
i
进行矫正，再采用DBSCAN算法对矩阵中的异常点进行删除，将剩余点进行线性拟合得到斜率K，再由公式SDR＝K/Q0，计算得到电池的自放电率。
[0015]一较佳实施方案中，上述步骤(1)收集电池相关参数数据开始的时刻要求电池系统为满电状态，即SOC≥99％，收集数据结束的时刻为车辆运行结束，开始去充电前的时刻。
[0016]一较佳实施方案中，上述步骤(2)中每时每刻的容量值Q(k)是按以下两个公式进行处理获得的：Q(1)＝Q0‑
(1)，Q(k)＝Q(k
‑
1)
‑
I(k)
×
[t(k)
‑
t(k
‑
1)]/3600
‑
(2)；其中，k为从1到N的序列号，N为时间t数组所拥有的总个数，Q0为电池系统额定容量。
[0017]一较佳实施方案中，上述步骤(3)MQ求解模块的具体步骤包括：
[0018]S1、先初始化Mov_Q、Mov_V、Comp三个参数，将其带入以下公式(3)
‑
(5)得到目标函数J：
[0019]x(k)＝(Q(k)
‑
Mov_Q)
×
Comp/Q0‑ꢀꢀ
(3)；
[0020]y(k)＝fi(x(k))
‑ꢀꢀ
(4)；
[0021][0022]其中，Mov_Q为与容量Q量纲相同的设计参数，取边界最小为0，最大为Q0；Mov_V为与uoc量纲相同的设计参数，取边界最小为0，最大为0.1；Comp为无量纲的设计参数，取边界最小为1，最大为10；x(k)为相应的荷电状态转换值；f(x)为该电池荷电状态SOC
‑
开路电压uoc数据的关系函数；y(k)为x(k)通过关系函数转化得到的开路电压转化值；
[0023]S2、利用参数寻优方法求解得到最佳的Mov_Q、Mov_V、Comp，使得J达到最小；
[0024]S3、利用S2中得到的Mov_Q根据公式(6)计算得到MQ：
[0025]MQ＝f1(y0)*Q0/Comp+Mov_Q
ꢀꢀ
(6)
[0026]其中，f1(y)为fi(x)的逆函数，y取y0，y0为某个固定的开路电压值，D
i
对应得到的MQ标记为MQ
i
。
[0027]一较佳实施方案中，上述MQ求解模块的具体步骤S3中y0取荷电状态具有明显特点时对应的开路电压值，如SOC＝I、SOC＝0或SOC
‑
uoc曲线出现明显拐点时对应的SOC值；当取SOC＝0时的开路电压值时，f1(y0)＝0，MQ＝Mov_Q。
[0028]一较佳实施方案中，上述MQ的求解还可以通过依据Q(k)和y(k)之间对应关系通过序号寻找方法求解。
[0029]一较佳实施方案中，上述MQ求解模块的具体步骤S2中的寻优求解方法，为遍历算法、遗传算法、粒子群算法、智能机器学习优化算法中的任意一种求解方法。
[0030]一较佳实施方案中，上述MQ求解模块的具体步骤S3中f(x)为该电池荷电状态SOC
‑
开路电压uoc数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种在线识别电池自放电率异常的方法，其特征在于，包括以下步骤：(1)收集某个日期Di车辆运行过程中电池的相关参数，包含电压V、电流I、时间t；(2)对步骤(1)收集到的电流I和时间t数组进行计算处理，得到每时每刻的容量值Q(k)，再通过搭建模型、参数辨识，得到D
i
当天的每个电压数据对应的开路电压数据uoc(k)；(3)将步骤(2)中开路电压数据uoc(k)输入MQ求解模块，得到相应的MQ
i
值；(4)选定另一日期，重复步骤(1)至(3)，得到[D
i
MQ
i
]
n
×2矩阵，其中，n为重复的次数；(5)当[D
i
MQ
i
]
n
×2矩阵中n＝2时，采用公式SDR＝[MQ2‑
MQ1‑
(MQ
20
‑
MQ
10
)]/(D2‑
D1)/Q0计算得到SDR，其中MQ
20
与MQ
10
分别为D2与D1当天利用标准电压曲线重复步骤(1)至(3)所计算得到的对应的MQ值；当n＞2时，先对MQ
i
进行矫正，再采用DBSCAN算法对矩阵中的异常点进行删除，将剩余点进行线性拟合得到斜率K，再由公式SDR＝K/Q0，计算得到电池的自放电率。2.如权利要求1所述的一种在线识别电池自放电率异常的方法，其特征在于：所述步骤(1)收集电池相关参数数据开始的时刻要求电池系统为满电状态，即SOC≥99％，收集数据结束的时刻为车辆运行结束，开始去充电前的时刻。3.如权利要求1所述的一种在线识别电池自放电率异常的方法，其特征在于，所述步骤(2)中每时每刻的容量值Q(k)是按以下两个公式进行处理获得的：Q(1)＝Q0‑ꢀ
(1)，Q(k)＝Q(k
‑
1)
‑
I(k)
×
[t(k)
‑
t(k
‑
1)]/3600
‑ꢀ
(2)；其中，k为从1到N的序列号，N为时间t数组所拥有的总个数，Q0为电池系统额定容量。4.如权利要求3所述的一种在线识别电池自放电率异常的方法，其特征在于，所述步骤(3)MQ求解模块的具体步骤包括：S1、先初始化Mov_Q、Mov_V、Comp三个参数，将其带入以下公式(3)
‑
(5)得到目标函数J：x(k)＝(Q(k)
‑
Mov_Q)
×
Comp/Q0‑ꢀ
(3)；y(k)＝fi(x(k))
‑ꢀ
(4)；其中，Mov_Q为与容量Q量纲相同的设计参数，取边界最小为0，最大为Q0；Mov_V为与uoc量纲相同的设计参数，取边界最...

【专利技术属性】
技术研发人员：任永欢，林炳辉，孙玮佳，苏亮，宋光吉，许依凝，罗斌，洪少阳，
申请(专利权)人：厦门金龙联合汽车工业有限公司，
类型：发明
国别省市：