电动汽车动力电池的安全预警方法技术

本申请公开了一种电动汽车动力电池的安全预警方法，从电池性能衰减程度和可能发生的故障两个角度对电池的安全性进行综合评估，给出安全性的等级。电池性能衰减采用了基于粒子滤波的退化模型预测方法，通过对模型参数的估计，预测出当前电池的剩余寿命，结合电池的健康状态，给出电池的衰退指数；采用基于BP神经网络的方法，以电池BMS系统的历史和实时数据为输入，抽取与各类关键故障相关的状态，预测各类故障发生的可能性。两方面的安全评估结果融合后，给出综合性的安全预警信息。与当前对动力电池仅从剩余寿命或健康状态角度对电池的安全性进行评估的方法相比，可以给出更为可靠的评估结果。

Safety Early Warning Method of Electric Vehicle Power Battery

【技术实现步骤摘要】
电动汽车动力电池的安全预警方法
本申请属于新能源汽车
，特别是涉及一种电动汽车动力电池的安全预警方法。
技术介绍
随着新能源车保有量的持续增长，动力电池的需求量也随之加大。锂离子电池系统已经成为电动汽车和分布式微电网储能系统中不可或缺的组成部分。尽管电池的制作工艺和封装水平不断进步，伴随着动力电池制造工艺水平和车辆运行工况不确定的因素，动力电池在运行中不可避免会出现电压过高或过低，电流过大或过小，温度过高或过低等状态，使用过程中恶劣的操作环境、老化、滥用等，近而导致相关故障的发生。未经检测的电池故障会对电池产生不利影响，造成不可逆转的损坏，甚至在极端情况下会发生灾难性事故。因此，及时准确地对电池运行中的故障进行诊断是十分重要的。电池的管理与诊断是电池应用技术中的核心之一，及时、准确地诊断电池故障、保证电池容量的准确估计，可以延长电池使用寿命、提高电池一致性及可靠性。在产生严重的故障之前，微小缓变故障往往提早发生，并一步一步演变为严重故障，因此，及时检测出早期缓变故障对于整车维护有着重要的现实意义。考虑到电池诊断的故障现象、故障原因及故障机理的复杂性和模糊性，难以借助确定的数学模型来描述，也难以借助确定性的特殊判据来诊断。现有的基于数据驱动的剩余寿命预测和健康状态评估方法，以数据为基础，通过挖掘数据序列的特征和隐含信息进行分类和预测，方法主要有：支持向量机、人工神经网络、高斯回归、AR模型、卡尔曼滤波、粒子滤波等。(1)支持向量机方法SVM自身存在一些不足：支持向量的数目对误差边界敏感，惩罚因子和损失函数复杂，难以确定；预测结果缺乏不确定性表达能力。(2)人工神经网络神经网络具有容错性强、自适应、自学习的优点，但是其网络结构难以确定、计算效率低和收敛速度慢。(3)高斯回归过程高斯回归过程是基于贝叶斯框架与统计学习理论的非线性回归概率方法，适合于高维度、小样本的回归问题，缺点是但是超参数初始值敏感及计算量大的问题(4)自滑动模型AR模型是一种线性预测，计算简单、复杂度低，但长期预测不准确(5)卡尔曼滤波、粒子滤波卡尔曼滤波、粒子滤波都是贝叶斯框架下的预测方法，两者计算简单，卡尔曼滤波更适合线性高斯情况，而粒子滤波可处理非线性非高斯场景，同时可以表达预测结果的不确定性。但目前仅应用于寿命预测，未对电池的安全性进行综合评价。
技术实现思路
本专利技术的目的在于提供一种电动汽车动力电池的安全预警方法，以克服现有技术中的不足。为实现上述目的，本专利技术提供如下技术方案：本申请实施例公开一种电动汽车动力电池的安全预警方法，包括：s1、预测当前动力电池性能衰减程度；s2、预测当前动力电池发生故障的类型；s3、融合动力电池的性能衰减程度和发生故障的类型，输出安全等级评估结果。优选的，在上述的电动汽车动力电池的安全预警方法中，当动力电池性能衰减到设定阈值后，输出不同层级的预警信息。优选的，在上述的电动汽车动力电池的安全预警方法中，步骤s1包括：建立锂电池的性能衰减模型；根据衰减模型得到特定充放电周期的电池容量预测值；利用容量预测结果计算电池的剩余寿命；根据衰减指数得到当前充放电周期的性能衰减程度结果。优选的，在上述的电动汽车动力电池的安全预警方法中，锂电池的性能衰减模型：Qk＝ak·exp(bk·k)+ck·exp(dk·k)，nk～N(0，σn)(1)锂离子电池系统状态转移方程及测量方程：xk＝[ak，bk，ck，dk](2)其中，ak、bk、ck、dk表示性能衰减模型的四个系数，Qk是锂离子电池每个充放电周期的容量，N(0,σ)为零均值的高斯分布噪声，锂离子电池容量的估计值表示为：优选的，在上述的电动汽车动力电池的安全预警方法中，步骤s1中，电池容量预测值计算包括以下步骤：(1)初始化：k＝0时，假设初始样本服从高斯分布p(x0)，在该分布中抽取初始样本集初始权值(2)重要性采样：利用状态转移函数公式(1)进行重要性采样(3)粒子权重计算：(4)粒子重采样：根据粒子权值进行重采样(5)状态估计：重复执行(2)-(5)步骤得到每一周期的退化模型参数，利用当前周期的退化模型参数对后续周期的电池容量进行预测，得到预测容量Qthres：当Qthres小于设定的剩余寿命阈值时，记录其周期数TRUL，根据预测结果，利用公式(6)计算当前周期的衰减指数Dk优选的，在上述的电动汽车动力电池的安全预警方法中，电池发生故障的类型包括电压不一致程度、电阻不一致、极化电压不一致、充放电电流变大、温度不一致、散热系统故障、电池内部短路、SOC不一致。优选的，在上述的电动汽车动力电池的安全预警方法中，步骤s2中，基于BP神经网络训练故障预测模型。优选的，在上述的电动汽车动力电池的安全预警方法中，故障预测模型的输入样本为电池电流，电压，绝缘电阻值，电池包温度构成的向量。与现有技术相比，本专利技术的优点在于：本专利技术的电动汽车动力电池的安全评估方法，从电池性能衰减程度和可能发生的故障两个角度对电池的安全性进行综合评估，给出安全性的等级。其中，电池性能衰减采用了基于粒子滤波的退化模型预测方法，通过对模型参数的估计，预测出每个充放电周期的电池容量变化情况，预测出当前电池的剩余寿命，结合电池的健康状态，给出电池的衰退指数；另一方面，采用基于BP神经网络的方法，以电池BMS系统的历史和实时数据为输入，抽取与各类关键故障相关的状态，预测各类故障发生的可能性。两方面的安全评估结果融合后，给出综合性的安全预警信息。与当前对动力电池仅从剩余寿命或健康状态角度对电池的安全性进行评估的方法相比，考虑更多的因素，给出更为可靠的评估结果。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1所示为本专利技术具体实施例中电动汽车动力电池的安全预警方法的原理示意图；图2所示为本专利技术具体实施例中基于BP神经网络预测的故障预测模型示意图。具体实施方式在以下描述中，出于解释目的，阐明具体细节以便提供对本专利技术的理解。然而，将对本领域的技术人员显而易见的是，可在没有这些细节的情况下实践本专利技术。此外，本领域的技术人员将认识到，下文描述的本专利技术的实施方式可以以各种方式(例如过程、装置、系统、设备或方法)在非瞬时计算机可读介质上实施。附图中示出的组件或是模块是本专利技术实施方式的示例性说明，并且意图避免使本专利技术不清楚。还应理解，在本论述的全文中，组件可描述为单独的功能单元(可包括子单元)，但是本领域的技术人员将认识到，各种组件或其部分可划分成单独组件，或者可整合在一起(包括整合在单个的系统或组件内)。应当关注，本文论述的功能或操作可实施为组件。组件可以以软件、硬件、或它们的组合实施。此外，附图内的组件或系统之间的连接并不旨在限于直接连接。相反，在这些组件之间的数据可由中间组件修改、重格式化、或以其他方式改变。另外，可以使用另外或更少的连接。还应关注，术语“联接”、“连接”、或“通信地联接”应理解为包括直接连接、通过一个或多个中间设备来进行的间接连接、和无线连接。在本说明书中对“一个本文档来自技高网...

【技术保护点】
1.一种电动汽车动力电池的安全预警方法，其特征在于，包括：s1、预测当前动力电池性能衰减程度；s2、预测当前动力电池发生故障的类型；s3、融合动力电池的性能衰减程度和发生故障的类型，输出安全等级评估结果。

【技术特征摘要】
1.一种电动汽车动力电池的安全预警方法，其特征在于，包括：s1、预测当前动力电池性能衰减程度；s2、预测当前动力电池发生故障的类型；s3、融合动力电池的性能衰减程度和发生故障的类型，输出安全等级评估结果。2.根据权利要求1所述的电动汽车动力电池的安全预警方法，其特征在于，当动力电池性能衰减到设定阈值后，输出不同层级的预警信息。3.根据权利要求1所述的电动汽车动力电池的安全预警方法，其特征在于，步骤s1包括：建立锂电池的性能衰减模型；根据衰减模型得到特定充放电周期的电池容量预测值；利用容量预测结果计算电池的剩余寿命；根据衰减指数得到当前充放电周期的性能衰减程度结果。4.根据权利要求3所述的电动汽车动力电池的安全预警方法，其特征在于，锂电池的性能衰减模型：Qk＝ak·exp(bk·k)+ck·exp(dk·k)，nk～N(0，σn)(1)锂离子电池系统状态转移方程及测量方程：xk＝[ak，bk，ck，dk](2)其中，ak、bk、ck、dk表示性能衰减模型的四个系数，Qk是锂离子电池每个充放电周期的容量，N(0,σ)为零均值的高斯分布噪声，锂离子电池容量的估计值表示为：5.根据权利要求4所述的...

【专利技术属性】
技术研发人员：逄龙，韩竞科，
申请(专利权)人：上海博强微电子有限公司，
类型：发明
国别省市：上海,31