一种网联汽车动力电池阻抗异常的在线诊断系统

1.本发明属于电池管理技术领域，尤其涉及一种网联汽车动力电池阻抗异常的在线诊断系统。


背景技术：

2.为满足车辆行驶的需求，通常需要将单体电池经过串并联的方式形成电池组，由于动力电池组单体出现异常，会导致成组后的电池性能下降；准确诊断电池组中的异常单体，能够更好地为维护电池组提供依据。
3.作为保证电动汽车行车安全的重要功能模块，车载电池管理系统已经具备对电池电压、电流和温度的数据采集和soc、soh的基本计算功能，并且对常规电气故障、电压、电流和容量分别设定了相应的理论阈值来进行电池的异常诊断(陈全世，朱家琏，田光宇.先进电动汽车技术[m].第3版.北京：化学工业出版社，2017：69-72.)；上述故障大都是由电池的短时内部电特性变化导致，通过对这些参数进行阈值设定来对电池进行的故障监控，且一般在发现异常之时电池已经出现了相应的故障问题，有些电池系统的异常及故障可能是由于电池内部参数发生变化导致的，然而有的电池内部参数尽管已经发生了变化，也不会很快地反应在电池系统的工作上(中国专利cn202011388995.5，名称为汽车电池单体异常预估方法及装置)，因此难以及时预测并规避一些由于线路老化、电池劣化以及电池包内接触不良等带来的潜在风险。此外，目前针对电池的故障诊断方法大都采用离线手段，即离线模拟车辆的行驶工况，对动力电池组进行充放电实验，建立实车工况测试数据库，进而实现电池的异常诊断(中国专利cn201910373001.3，名称为一种动力电池组参数不一致性的诊断方法)。而利用车联网平台的电池管理系统数据，能够突破因电池管理系统存储和计算能力不足等导致的电池状态预测及故障诊断的局限性(肖伟，钟卫东，舒小农等.基于大数据的电池健康状态(soh)的估算及应用[j].汽车安全与节能学报，2019，10(01)：101-105.以及鲍伟，葛建军.基于稀疏采样数据的电动公交车电池soc预测方法研究[j].汽车工程，2020，42(3)：367-374.)，通过对动力电池包阻抗异常进行在线诊断，能够避免外接电路增加硬件成本或添加复杂算法增加车载电池管理系统的计算压力，并且能够对电池进行实时诊断，便于及时采取维护手段。


技术实现要素：

[0004]
为了克服上述现有技术的缺点，本发明的目的在于提供一种网联汽车动力电池阻抗异常的在线诊断系统，实现网联汽车中的电池包阻抗异常的在线诊断，实现电池包的及时维护以延长电池包的寿命，保障行车安全。
[0005]
为达到上述目的，本发明提供如下技术方案：
[0006]
一种网联汽车动力电池阻抗异常的在线诊断系统，包括电池模型自适应更新系统和电池阻抗在线辨识系统；
[0007]
电池模型自适应更新系统包括电池模型搭建、模型参数更新、电池模型验证；电池
模型搭建实现电池模型的理想化搭建；模型参数更新根据网联汽车行驶过程中的工况数据对电池模型参数进行求解，实现电池模型自适应更新；电池模型验证为验证电池模型的准确性；
[0008]
电池阻抗在线辨识系统包括阻抗在线辨识、辨识结果验证、阻抗异常报警，阻抗在线辨识通过在线辨识算法对电池模型进行参数辨识，实现电池模型阻抗信息的实时计算；辨识结果验证对阻抗在线辨识结果进行判断，将正常值反馈至电池模型自适应更新系统，将异常值输出；阻抗异常报警将出现异常的电池单体阻抗值、异常的电池单体代号的信息输出。
[0009]
所述的电池模型搭建是以理想的电气元件构成等效电路来模拟电池的充放电特性，描述电池的输入输出关系，构建电池状态参数和内部特性的可靠性关系，搭建的电池模型为rint模型、rc模型、pngv模型和gnl模型中的任意一种。
[0010]
所述的模型参数更新，包括利用网联汽车运行过程中因电池的工作条件和内部状态实时变化而产生的实际数据对电池模型进行参数求解，考虑车辆行驶中的环境温度变化、测量环境温度与电池阻抗之间的特性关系，利用温度与阻抗的特性关系，采用温度数据对电池模型进行参数更新。
[0011]
所述的电池模型验证，利用网联汽车实际运行工况下的电池包历史测试数据，对优化后的电池模型进行精度验证，如果优化后的模型参数准确，则继续利用阻抗在线辨识系统对电池模型进行阻抗辨识，如果模型存在偏差，则反馈至电池模型优化对电池模型进行优化。
[0012]
所述的阻抗在线辨识包括在线辨识算法和阻抗异常信息库，采用在线辨识算法建立在线辨识模型进行阻抗在线辨识，在线辨识算法为递推最小二乘法、滤波法、机器学习算法中的任意一种，通过在线辨识模型计算电池的阻抗，阻抗异常信息库包括根据网联汽车的历史测量数据预设的电池阻抗异常阀值、电池阻抗异常案例。
[0013]
所述的辨识结果验证将在线辨识模型中计算得到的电池阻抗与阻抗异常信息库内的异常阀值及异常案例进行对比；若辨识结果达到异常阀值，则继续判断该辨识结果是否为新型异常案例，若不是新型异常案例，则直接输送至阻抗异常报警，若为新型异常案例，则录入阻抗异常信息库，对阻抗异常信息库进行更新，然后输送至阻抗异常报警；若辨识结果没有达到异常阀值，则反馈至电池模型自适应更新系统中进行模型更新。
[0014]
所述的阻抗异常报警根据在线辨识模型计算得到的电池阻抗信息，阻抗异常信息库提供的阻抗异常案例信息，将电池的阻抗异常结果输出。
[0015]
本发明对于现有技术而言，具有以下优点：
[0016]
本发明在电池模型自适应更新系统中利用网联汽车数据对电池模型进行参数求解，突破车载电池管理系统的局限性，考虑车辆行驶过程中的环境温度变化，测量环境温度与电池阻抗之间的特性关系，利用温度与阻抗的特性关系，采用温度数据对电池模型进行参数优化，使电池模型能够随着实际行车环境温度和工况变化而自适应更新。
[0017]
电池阻抗在线辨识系统中阻抗在线辨识包括阻抗异常信息库，采用阻抗在线辨识算法建立在线辨识模型进行阻抗在线辨识，阻抗异常信息库包括异常阀值、异常案例，通过在线辨识模型计算电池的阻抗，从而实现电池阻抗异常诊断。
[0018]
本发明在进行异常诊断时，利用网联汽车的测试数据，以阻抗作为关键性指标，实
现了对动力电池包的阻抗进行在线诊断，通用性强，对实现车辆行驶过程中的电池维护具有重要意义。
附图说明
[0019]
图1为本发明的整体运行框架图。
[0020]
图2为本发明电池模型自适应更新系统的运行框架图。
[0021]
图3为本发明电池阻抗在线辨识系统的运行框架图。
具体实施方式
[0022]
下面结合附图和实施例对本发明做进一步阐述和说明。
[0023]
参照图1，一种网联汽车动力电池阻抗异常的在线诊断系统，包括电池模型自适应更新系统和电池阻抗在线辨识系统；
[0024]
电池模型自适应更新系统包括电池模型搭建、模型参数更新、电池模型验证；电池模型搭建实现电池模型的理想化搭建；模型参数更新根据网联汽车行驶过程中的工况数据对电池模型参数进行求解，实现电池模型自适应更新；电池模型验证为验证电池模型的准确性；
[0025]
电池阻抗在线辨识系统包括阻抗在线辨识、辨识结果验证、阻抗异常报警，阻抗在线辨识通过在线辨识算法对电池模型进行参数辨识，实现电池模型阻抗信息的实时计算；辨识结果验证对阻抗在线辨识结果进行判断，将正常值反馈至电池模型自适应更新系统，将异常值输出；阻抗异常报警将出现异常的电池异常阻抗值、异常的电池单体代号的信息输出。
[0026]
参照图2，所述的电池模型自适应更新系统中电池模型搭建，是以理想的电气元件构成等效电路来模拟电池的充放电特性，描述电池的输入输出关系，构建电池状态参数和内部特性的可靠性关系，搭建的电池模型为rint模型、rc模型、pngv模型和gnl模型中的任意一种。
[0027]
所述的电池模型自适应更新系统中模型参数更新，包括利用网联汽车运行过程中因电池的工作条件和内部状态实时变化而产生的实际数据对电池模型进行参数求解，考虑车辆行驶中的环境温度变化、测量环境温度与电池阻抗之间的特性关系，利用温度与阻抗的特性关系，采用温度数据对电池模型进行参数更新。
[0028]
所述的电池模型自适应更新系统中电池模型验证，利用网联汽车实际运行工况下的电池包历史测试数据，对优化后的电池模型进行精度验证，如果优化后的模型参数准确，则继续利用阻抗在线辨识系统对电池模型进行阻抗辨识，如果模型存在偏差，则反馈至电池模型优化对电池模型进行更新。
[0029]
参照图3，所述的电池阻抗在线辨识系统中阻抗在线辨识包括在线辨识算法和阻抗异常信息库，采用在线辨识算法建立在线辨识模型进行阻抗在线辨识，在线辨识算法为递推最小二乘法、滤波法、机器学习算法中的任意一种，通过在线辨识模型计算电池的阻抗，阻抗异常信息库包括根据网联汽车的历史测量数据预设的电池阻抗异常阀值、电池阻抗异常案例。
[0030]
所述的电池阻抗在线辨识系统中辨识结果验证将在线辨识模型中计算得到的电
池阻抗与阻抗异常信息库内的异常阀值及异常案例进行对比；若辨识结果达到异常阀值，则继续判断该辨识结果是否为新型异常案例，若不是新型阻常案例，则直接输送至阻抗异常报警，若为新型异常案例，则录入阻抗异常信息库，对阻抗异常信息库进行更新，提高阻抗异常诊断的可靠性，然后输送至阻抗异常报警；若辨识结果没有达到异常阀值，则反馈至电池模型自适应更新系统中进行模型参数更新。
[0031]
所述的电池阻抗在线辨识系统中阻抗异常报警根据在线辨识模型计算得到的电池阻抗信息，阻抗异常信息库提供的异常案例信息，将电池的阻抗异常结果输出。
[0032]
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。