一种基于历史数据的锂离子电池异常识别及诊断方法

本发明涉及新能源储能领域，尤其涉及一种基于历史数据的锂离子电池异常识别及诊断方法。

背景技术：

1、随着国家政策的大力推进，锂离子电池相关的电动汽车行业、储能行业蓬勃发展，近几年，锂离子电池也逐渐开始应用于轨道交通领域。近两年，动力电池的能量密度不断增加，电池的成组方式和工艺也进一步发展，电池系统的的续驶里程及功率能力基本满足用户需求，里程焦虑的问题不再是业内关注的重点。但是，由于电池能量密度提高和成组过程中不断通过集成化设计提高系统能量，电池本体的安全存在隐患。同时系统的安全防护功能并不完善，因此电池的安全问题频发，引发社会关注。随着电池服役时间年限的增长，新能源二手车市场逐渐庞大，电池系统合理估价和保险费用界定也成为行业内急需解决的问题。

2、锂离子电池的劣化一方面来源于电芯制造过程中的工艺问题，长时间使用安全隐患逐渐显现；另一方面是使用过程中由于滥用应力造成的过老化、内短路等问题。以上均属于使用过程中逐渐老化、安全风险不断增加的电池故障类型，另有部分情况是由于机械应力、外短路、bms故障造成的突发性安全问题。突发性安全问题通常很难提前预知，一般需要通过电池成组工艺的提升，系统高强度设计来降低风险率，或通过系统级的被动安全防护，如增加熔断器、被动消防装置、阻止热蔓延设计等，降低电池发生故障后造成的安全危害。但是，使用过程中电池逐渐劣化造成的安全问题却可以通过健康监测来提前预警，并进行人为干预，降低安全风险发生的概率。

3、但是，bms在线管理通常只能解决电池系统发生的瞬态过压、过温和过流问题，难以在整个运行过程对缓慢劣化的电池进行定位并进行保护。近年来，大数据技术的蓬勃发展催生了通过实车运行数据对电池健康状态进行评估的方法。目前针对历史数据的故障分析，较多使用数据驱动的方式，忽略了电池的本体特征；过多依赖实验室建立模型，对新电池的测试需求和模型在实际工况下的适用性提出较高要求；虽然基于信号分解的方法可较少依赖数据或等效模型，但并未对故障类型给出诊断。

4、因此，本申请旨在针对车载动力电池，对异常的电池进行诊断识别，对车辆的维修维护提供合理化建议，提前预知电池安全风险，或通过故障的筛查，对电池剩余价值做出判断，从而保证车辆安全运行，保障行业健康有序发展。

技术实现思路

1、本发明的目的在于克服现有技术的缺点，提供一种基于历史数据的锂离子电池异常识别及诊断方法。

2、本发明的目的通过以下技术方案来实现：一种基于历史数据的锂离子电池异常识别及诊断方法，其特征在于，所述锂离子电池异常识别及诊断方法能够被一个或多个处理器执行，包括：

3、s1，所述一个或多个处理器获取电池系统的历史数据，并对所述历史数据按照删除无效数据和补全缺失数据的方式进行清洗；

4、s2，所述一个或多个处理器获取所述历史数据中的充电过程以进一步得到正常电池的电压阈值；

5、s3，所述一个或多个处理器基于所述电压阈值确定电池的异常偏离指数，并基于所述异常偏离指数完成异常电池的筛选；

6、s4，所述一个或多个处理器能够基于异常偏离指数的变化趋势对异常电池的故障类型进行确定，并基于异常偏离指数的变化速度判断异常电池的故障程度。

7、优选的，所述一个或多个处理器基于公式

8、对所述历史数据进行清洗，其中，v(i,t)表示i号电池在时刻t的电压值，k为电池单体电压出现0值的第一个时刻，m为出现0之后第一个非0时刻。

9、优选的，所述所述一个或多个处理器按照如下步骤获取所述电压阈值：

10、获取清洗后的历史数据中t时刻所有的电池电压vt；

11、基于公式获取t时刻的电池电压的均值μt,n；

12、基于公式获取t时刻的电池电压的标准值σt,n；

13、所述电压阈值vt,i能够表示为μt,n-3σt,n≤vt,i≤μt,n+3σt,n,i＝1,2,3...n。

14、优选的，所述一个或多个处理器能够基于所述电压阈值和所述标准值确定所述异常偏离指数di,t，所述异常偏离指数能够表示为

15、优选的，所述一个或多个处理器按照如下步骤获取正常电池的充电过程：

16、按照公式对充电结束时刻进行筛选，其中，soc(t)为t时刻的剩余电量值，i(k)为k时刻的电流；

17、从充电末端起，按照时间逆序依次将i时刻的soc(i)与上一时刻的soc(i)进行比较，以第一次soc(i)小于上一时刻soc(i)的采样点作为充电段的始端；

18、将充电段始、末端soc(i)差值小于40％的充电端剔除。

19、优选的，所述一个或多个处理器按照如下步骤完成异常电池的筛选：

20、选定等间距的n个采样点，并基于一次充电过程建立离散电池的异常偏离指数di＝[di,t(soc1),di,t(soc2),……，di,t(socn)]；di,t(socn)为第n个soc的点，第i个电池的异常偏离指数。

21、在所述异常偏离指数大于1的频次大于设定阈值25％时，将所述离散电池判定为异常电池。

22、优选的，所述一个或多个处理器按照如下步骤对异常电池的故障类型进行确定：

23、对所述异常偏离指数进行线性拟合以获取其线性拟合曲线，所述线性拟合曲线能够表示为m为线性拟合的直线斜率，b0为线性拟合的截距，socs和soce分别为起始soc和终止soc。

24、将所述故障类型划分为剩余电量过小和电池容量偏小，故障类型的判断依据为：其中mi为第i号电池的线性拟合斜率。

25、优选的，所述一个或多个处理器按照如下步骤确定异常偏离指数的变化趋势：建立全历史过程的异常偏离指数的三维矩阵获取每只电池的综合偏离指数covt(soc),c＝σt(soc),c/μt(soc),c；获取不同soc点偏离指数的权重系数其中，每次充电过程的偏离指数加权矩阵能够表示为ωc＝[wsoc1,c,wsoc2,c,…,wsocn,c]，全历史过程偏离指标加权矩阵表示为获取单次充电过程中每只电池的综合偏离指数构建全历史过程的综合偏离指数矩阵

26、优选的，所述一个或多个处理器按照如下步骤判断电池的劣化速度：构建异变速度矩阵设定异变过快电池的判定条件为其中，ki,c＝fi,c+1-fi,c。

27、本发明具有以下优点：本发明解决了目前针对服役过程中的锂离子动力电池需前期大量实验室测试或构建复杂模型的难题，可有效筛选出异常电池，并辨别异常情况为soc异常或容量异常，为现场维修维护人员提供快速操作建议，减小对从业人员的专业化程度要求；同时筛选存在较大安全风险的电池，及时给出预警信息，防止安全事故的发生。

技术特征：

1.一种基于历史数据的锂离子电池异常识别及诊断方法，其特征在于，所述锂离子电池异常识别及诊断方法能够被一个或多个处理器执行，包括：

2.根据权利要求1所述的锂离子电池异常识别及诊断方法，其特征在于，所述一个或多个处理器基于公式对所述历史数据进行清洗，其中，v(i,t)表示i号电池在时刻t的电压值，k为电池单体电压出现0值的第一个时刻，m为出现0之后第一个非0时刻。

3.根据权利要求1所述的锂离子电池异常识别及诊断方法，其特征在于，所述所述一个或多个处理器按照如下步骤获取所述电压阈值：

4.根据权利要求3所述的锂离子电池异常识别及诊断方法，其特征在于，所述一个或多个处理器能够基于所述电压阈值和所述标准值确定所述异常偏离指数di,t，所述异常偏离指数能够表示为

5.根据权利要求1所述的锂离子电池异常识别及诊断方法，其特征在于，所述一个或多个处理器按照如下步骤获取正常电池的充电过程：

6.根据权利要求1所述的锂离子电池异常识别及诊断方法，其特征在于，所述一个或多个处理器按照如下步骤完成异常电池的筛选：

7.根据权利要求1所述的锂离子电池异常识别及诊断方法，其特征在于，所述一个或多个处理器按照如下步骤对异常电池的故障类型进行确定：

8.根据权利要求4所述的锂离子电池异常识别及诊断方法，其特征在于，所述一个或多个处理器按照如下步骤确定异常偏离指数的变化趋势：

9.根据权利要求8所述的锂离子电池异常识别及诊断方法，其特征在于，所述一个或多个处理器按照如下步骤判断电池的劣化速度：

技术总结
本发明涉及一种基于历史数据的锂离子电池异常识别及诊断方法，所述锂离子电池异常识别及诊断方法能够被一个或多个处理器执行，包括：S1，所述一个或多个处理器获取电池系统的历史数据，并对所述历史数据按照删除无效数据和补全缺失数据的方式进行清洗；S2，所述一个或多个处理器获取所述历史数据中的充电过程以进一步得到正常电池的电压阈值；S3，所述一个或多个处理器基于所述电压阈值确定电池的异常偏离指数，并基于所述异常偏离指数完成异常电池的筛选；S4，所述一个或多个处理器能够基于异常偏离指数的变化趋势对异常电池的故障类型进行确定，并基于异常偏离指数的变化速度判断异常电池的故障程度。

技术研发人员：张言茹,张珺玮,张彩萍,张琳静
受保护的技术使用者：北京交通大学
技术研发日：
技术公布日：2024/1/11