一种串联电池组的多时间尺度短路电阻估计方法与流程

本发明属于电池故障诊断与估计技术领域，涉及一种串联电池组的多时间尺度短路电阻估计方法。

背景技术：

电池管理系统(bms，batterymanagementsystem)被认为是电动汽车及移动机器人中最重要的组件之一，其作用是保障电池处于适当的工作状态并延长其使用寿命。电池应用的第一优先级应是安全性，为保障安全则需要对电池状态进行监测或估计，相应的电池荷电状态(soc，stateofcharge)估计、健康状态估计以及电池均衡、不一致性等均得到了广泛研究。随着电动汽车和移动机器人技术的发展，需要有高能量密度电池作为支撑，以拓展续驶里程。当能量密度不断提高，电池系统相应会承担更高的故障风险。

在电池组故障研究中，短路故障为当前研究热点之一。电池组短路故障的诱发原因有很多，电池的生产过程中的粉尘等会导致隔膜损坏引发短路，而电池组过充、过放、低温充电等均可能导致短路。由于电动汽车电池组在实际工况中存在振动、电线老化、碰撞等问题，这同样也增加了短路故障的发生概率。

当前短路故障研究可主要分为两类，硬短路故障及软短路故障。硬短路故障发生时其短路电阻可达毫欧级别，短路电流大，危险性高，因而要求快速实现检测。其主要方法是基于电化学热耦合模型或等效电路模型实现诊断，电化学热耦合模型基于电池及短路机理，但其由于模型复杂度及参数选择的不确定性而不适合用于在线故障诊断；等效电路模型对硬短路故障诊断快速性及准确性较好，但对电池组进行诊断时需要选取合适的方法以实现在线应用。软短路故障阻值则相对硬短路大得多，约为几十至100欧姆，其短路电流相对较小，对其短路阻值进行直接估计较为困难。其主要方法是基于电池组(差异)模型与状态估计方法，获取正常单体与故障单体间soc差异或电量差异，根据短路电阻耗散效应实现阻值估计，适合用于在线估计，其估计精度依赖于soc估计精度。

虽然上述方法诊断效果总体较好，但现有方法中未能实现硬短路、软短路电阻共同估计，而当两种短路在电池组不同位置同时出现时也无法实现有效定位和诊断。所以，如何同时估计硬短路及软短路电阻，对于电池组在实际使用中的故障安全排查具有很大的必要性，也是本领域技术人员亟待解决的重点问题。

技术实现要素：

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串联电池组的多时间尺度短路电阻估计方法，以实现电池组中硬短路电阻与软短路电阻的同时估计，并降低计算复杂度，利于实际应用。

为了达到上述目的，本发明采用以下技术方案予以实现：

本发明公开了一种串联电池组的多时间尺度短路电阻估计方法，其特征在于，包括以下步骤：

1)采集串联电池组的工况数据；

2)初始化k-1时刻的状态量和短路电流

3)识别串联电池组中的电压最高单体和电压最低单体，分别记录其电压值为max(vk)和min(vk)，针对电压最高单体和电压最低单体进行短路电阻估计；

更新测量k时刻的状态量和系统输出量并依此计算出短路电流估计值当短路电流估计值大于预设硬短路电流值iscset时，判定该故障为硬短路故障，并获得硬短路电阻估计值完成短时间尺度的短路电阻估计；

否则，判定为未检测到故障，继续更新测量k时刻的状态量xk，并当测量时刻k满足时间尺度转换条件k＝l·tmacro时，将短路电阻估计模式转换至长时间尺度短路电阻估计，即更新l时刻电压最高单体和电压最低单体的soc差异值dsocl；当测量时刻k大于长时间尺度时间区间大小tlongterm时，计算tlongterm时间段内soc差异值δdsocl，并获得软短路电阻估计值rsc，完成长时间尺度的短路电阻估计。

优选地，步骤1)中，电池组的工况数据包括各电池单体的电压和电流的测量值。

优选地，步骤3)中，当测量时刻k不满足时间尺度转换条件k＝l·tmacro时，判断k时刻电压最高单体和电压最低单体的soc差异值dsock与预设soc差异值dsocset的大小关系：

①当dsock＞dsocset时，则将短路电阻估计模式转换至长时间尺度的短路电阻估计，即执行计算tlongterm时间段内soc差异值δdsocl，并以此计算软短路电阻估计值rsc，完成长时间尺度的短路电阻估计；

②当dsock不大于dsocset时，更新测量时刻k＝k+1，并重新执行步骤3)，即再次选取电压最高和电压最低单体，继续循环直到估计系统过程结束。

优选地，步骤3)中，当测量时刻k不大于长时间尺度时间区间大小tlongterm时，更新测量时刻l＝l+1，并转入更新测量时刻k＝k+1，重新执行步骤3)，即再次选取电压最高和电压最低单体，继续循环直到估计系统过程结束。

优选地，步骤3)中，完成长时间尺度的短路电阻估计后，继续更新测量时刻l＝l+1，并转入更新测量时刻k＝k+1，重新执行步骤3)，即再次选取电压最高和电压最低单体，继续循环直到估计系统过程结束。

优选地，步骤3)中，所述预设硬短路电流iscset为根据硬短路实际情况提前预设的量，所述预设soc差值dsocset为根据软短路实际情况提前预设的量。

优选地，步骤3)中，基于短路电池模型，通过更新测量k时刻的状态量和系统输出量并依此计算出短路电流估计值包括如下估计过程：

状态估计时间更新：其中，a为传递矩阵，e为单位矩阵，b为输入矩阵，t为采样时间，为电池的荷电状态即soc，uk-1为系统输入量；

输出估计时间更新：其中，c为输出矩阵，d为直接传递矩阵，为系统输出量估计值；

短路电流估计：其中，ki1为设计增益参数，yk为系统输出量测量值

优选地，步骤3)中，tlongterm的取值由实验测试确定。

优选地，步骤3)中，电池容量cn在所选时间区间内视为常数。

优选地，所述串联电池组使用的电池包括锂电池、镍镉电池、镍氢电池或铅酸电池。

与现有技术相比，本发明具有以下有益效果：

本发明公开了一种串联电池组的多时间尺度短路电阻估计方法，该方法根据实际应用需要，首次提出多时间尺度短路电阻估计概念，对算法进行创新设计，通过将短时间尺度估计部分和长时间尺度估计部分结合并切换，分别得到硬短路电阻值和软短路电阻值，同时实现短时间尺度快速的硬短路电阻估计与长时间尺度精确的软短路电阻估计。本发明提供的上述方法能够实现可靠的多时间尺度短路故障的定量诊断，提高了电池管理系统的实时诊断能力。

本发明简化算法设计，通过采集电池组的工况数据，获得电池单体的电压、电流测量值，并选取串联电池组中的电压最高单体和电压最低单体进行估计分析，避免估计分析中对所有串联电池组的电池单体进行估计计算，简化了短路电阻估计流程，大幅降低计算复杂度，易于实际应用。

本发明的算法步骤设计合理，在长时间尺度估计部分中，直接利用短时间尺度估计部分获得的soc差值结果进行计算，避免了现有技术中独立进行长时间尺度估计部分的软短路故障需要通过状态估计等方式获得soc差值。

附图说明

图1为本发明所提出的方法进行短路电阻估计的流程图；

图2为短路电池模型图；

图3为本实施例中短路电阻rsc＝0.1ω时的短时间尺度短路电阻估计结果；

图4为本实施例中长时间电池运行测试电流数据；

图5为本实施例中长时间电池运行测试实验结果；其中，(a)为电压实验结果，(b)为soc实验结果；

图6为本实施例中短路电阻时的长时间尺度短路电阻估计结果；

图7为本实施例中对软短路及硬短路进行多时间尺度短路电阻估计结果。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

下面结合附图和实施例对本发明作详细描述。

参见图1所示流程图，为本发明提供的一种串联电池组的多时间尺度短路电阻估计方法，包括以下步骤：

第一步，测量并获取电池电压、电流测量值；

第二步，进行短时间尺度短路电阻估计，包括以下步骤：

①初始化k-1时刻的参数如状态量短路电流

②选取串联电池组中电压最高和电压最低单体并记录电压为max(vk)和min(vk)，对所选单体进行估计；

③状态估计时间更新：其中a为传递矩阵，e为单位矩阵，b为输入矩阵，t为采样时间，为电池的荷电状态即soc，uk-1为系统输入量；

④输出估计时间更新：其中c为输出矩阵，d为直接传递矩阵，为系统输出量估计值；

⑤短路电流估计：其中ki1为设计增益参数，为短路电流估计值，yk为系统输出量测量值；

⑥预设硬短路电流判断：若则判定该故障为硬短路故障，计算硬短路电阻：否则，未检测到故障，执行步骤⑦；

⑦状态估计测量更新：其中kp、ki2为设计增益参数，xk为系统状态；

⑧尺度转换判断：若满足k＝l·tmacro，则转换至长时间尺度估计即第三步；否则，继续短时间尺度估计，执行步骤⑨；其中，tmacro为长时间尺度时间单位，l为长时间尺度时刻；

⑨更新soc差异：dsock＝max(sock)-min(sock)；其中max(sock)为电压最高单体k时刻soc，min(sock)为电压最低单体k时刻soc；

⑩预设soc差值判断：若dsock＞dsocset，则转换至长时间尺度估计，执行第三步中的步骤③，更新soc差异变化值；否则，执行步骤

时间更新1：k＝k+1，并返回第②步，继续循环直到系统过程结束；

第三步，进行长时间尺度短路电阻估计，包括以下步骤：

①更新l时刻的soc差异：dsocl＝max(socl)-min(socl)；其中max(socl)为电压最高单体l时刻soc，min(socl)为电压最低单体l时刻soc；

②进行时间判断，若k＞tlongterm，则执行第③步；否则，执行第⑤步；

③计算tlongterm时间段内soc差异变化值：δdsocl＝dsocl-dsocl-m；其中tlongterm为长时间尺度时间区间大小，m为选取计算窗口大小；

④软短路电阻估计：其中rsc为软短路电阻，vok为短路单体测量电压值，cn为电池容量；执行第⑤步；

⑤时间更新2：l＝l+1，并转入第二步中步骤的时间更新1：k＝k+1，继续循环。

所述预设硬短路电流iscset为根据硬短路实际情况提前预设的量；

所述预设soc差值dsocset为根据软短路实际情况提前预设的量；

所述电池为锂电池、镍镉电池、镍氢电池或铅酸电池等。

其中，第二步中，短路电阻估计是基于短路电池模型实现的，如图2所示。其包括由开路电压源voc及电池欧姆内阻r1组成的rint模型部分，以及等效短路电阻rsc和负载rl。短路电流记为isc，测量端电压为v0；

参见图2可知，短路电流isc与测量电流il存在关系：il＝i+isc，则系统状态空间表达式如下，

其中，a为传递矩阵，b为输入矩阵，c为输出矩阵，d为直接传递矩阵，u为系统输入，为系统状态，y为系统输出量测量值。

由短路电池模型建立观测器，由其特殊性质可得到短路电流估计值再由欧姆定律得到短路电阻，其短路电流估计表达式如下，

其中，a为传递矩阵，b为输入矩阵，c为输出矩阵，d为直接传递矩阵，t为采样时间，e为单位矩阵，为电池的荷电状态即soc，为系统输出量，xk-1为系统状态，yk为系统输出量测量值，；kp、ki1、ki2为设计增益参数，即可使状态量及短路电流估计值收敛于实际值，可实现对电池单体soc与短路电流硬短路电阻的估计；

因此，用于短时间尺度短路电阻估计的流程可归纳为：

(1)初始化k-1时刻的参数如状态量短路电流

(2)状态估计时间更新：

(3)输出估计时间更新：

(4)短路电流估计：

(5)硬短路电阻估计：

(6)状态估计测量更新：

其实现具体见第二步各步骤；

第三步②中，tlongterm的取值由实验测试确定；

第三步④中，电池容量cn在所选时间区间内视为常数；

所述电池为锂电池、镍镉电池、镍氢电池或铅酸电池等。

实施例：

本实施例采用的电池为三元锂软包电池，标称容量为10ah，上限电压为4.2v，下限电压为2.75v，由4个单体串联组成电池组。为模拟电池组中短路故障，在相应电池单体上并联一电阻rsc，通过对比rsc实际值与rsc估计值以验证所述方法。

本发明中认为硬短路故障发生时其短路电流约为2c(c为放电倍率单位)，则对应短路电阻阻值小于0.2ω。设定短路电流阈值iscset为10a，soc差值阈值dsocset为4％，rsc分别选取为0.1ω、40ω、50ω、100ω。

对硬短路故障进行实验模拟，于1000s时刻将0.1ω电阻与单体2并联连接。短时间尺度短路电阻的估计结果参见图3。由图3可见，当t<1000s时，无电阻连接，短路电阻估计值为无穷大；当t>1000s时，短路电阻估计值于3s内快速收敛于参考短路电阻值，验证了短时间尺度下的快速估计。

为验证长时间尺度估计，进行长时间电池运行测试，其电流数据参见图4。实施例中模拟驾驶工况选择城市道路工况(udds，urbandynamometerdrivingschedule)。由图4可见，电池组先执行多个udds工况循环放电，再恒流充电，不断重复该过程以模拟实际使用工况。

为模拟软短路故障，将多个短路电阻分别与电池组中单体并联，其中单体1不并联电阻，单体2并联100ω，单体3并联50ω，单体4并联40ω，其电压及soc测试结果参见图5。由图5可见，随着时间推移，单体间电压差异及soc差异均逐渐放大，而soc差异放大相对前者更为明显。

长时间尺度短路电阻估计结果参见图6，此时的长时间尺度时间单位tmacro设为500s，长时间尺度时间区间大小tlongterm设为20000s。由图6可见，检测到电池组中最严重的短路故障来自单体4，其被并联了40ω短路电阻，从tlongterm时刻开始，估计电阻值可以实现对参考电阻值良好的跟踪，其阻值估计标准差仅为1.5ω，阻值估计最大误差为7.2ω。

为验证多时间尺度短路电阻估计方法，在一场景下同时建立了软短路及硬短路故障，估计结果参见图7，单体4于10000s并联40ω短路电阻，单体2于40000s并联0.1ω短路电阻。由图7可见，自20000s起，软短路电阻估计值可快速收敛于参考值，估计标准差误差不超过4％，且可以在硬短路触发的3s内实现硬短路故障检测与短路电阻估计，验证了多时间尺度短路电阻估计方法的有效性。

本发明从实际安全角度出发，研究了电池短路故障实现不同时间尺度的诊断，即使用短时间尺度估计以快速估计硬短路电阻，同时结合长时间尺度估计以精确估计软短路电阻，填补了目前短路故障的研究空白，提高了串联电池组系统的使用安全。

本发明将两种电阻同时估计与两种时间尺度的估计方法对应，属于算法的创新设计；通过两种时间尺度之间的切换，可交替实现两种电阻的实时估计，应用到实际中也可以同时对硬短路和软短路进行定量诊断。此外，本申请通过对算法的创新设计，选取了电压最高和电压最低单体、并只需要对这两个单体进行估计计算，即可实现故障电池的两种短路电阻估计，而不需要对电池组中的所有电池进行相关的计算，从而有效降低计算复杂度。此外，现有软短路方法需要通过状态估计等方式获得soc差值，而本发明中则直接利用硬短路估计部分获得的soc差值结果进行计算。

本发明公开了一种串联电池组多时间尺度短路电阻估计方法，该方法包括步骤：测量并获取电池电压、电流测量值；进行短时间尺度短路电阻估计，以快速得到硬短路阻值，当满足尺度转换条件时转换至长时间尺度估计；进行长时间尺度短路电阻估计，估计软短路阻值。本发明根据实际应用需要，首次提出多时间尺度短路电阻估计概念，同时实现短时间尺度快速的硬短路电阻估计与长时间尺度精确的软短路电阻估计，实现不同短路程度下短路故障的定量诊断，过程中仅选取串联电池组中电压最高和电压最低单体进行分析，大幅降低计算复杂度，易于实际应用，对电池组短路电阻估计及故障诊断具有重要意义。

以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。