基于人工神经网络的电池微短路定量诊断方法技术

技术编号:18614499 阅读:24 留言:0更新日期:2018-08-05 00:12
本发明专利技术提供了一种电池微短路定量诊断方法,其特征在于:该诊断方法在不同温度下,对不同老化程度的电池单体进行外接不同阻值的电阻的充电实验,获得预定电压区间段内的充电时间,将电池单体的温度、电池老化参数、预定电压区间段内的充电时间三个值作为一次人工神经网络的输入样本,外接电阻作为这次的输出样本。尽可能均匀、多的获得不同电池工作温度、老化程度、外接电阻阻值下的样本,然后训练微短路故障诊断网络,训练完后集成到现有电池管理系统中,在实车使用中,只需输入电池所处温度、容量、预设电压区间的充电时间,即可输出微短路阻值,进而可判断微短路有无及其严重程度。

【技术实现步骤摘要】
基于人工神经网络的电池微短路定量诊断方法
本专利技术涉及电池
,具体涉及一种基于人工神经网络的电池微短路定量诊断方法。
技术介绍
在各种消费电子、动力装置等产品和设备中,很多都是用电池来存储和提供能量,如锂离子电池、镍氢电池、铅酸电池等。但是当电池发生故障时,会影响产品或设备的使用和性能,甚至对产品或设备的安全性构成威胁,发生电池起火、爆炸。电池短路是一种常见的故障,电池短路是指由于某种原因,致使电池的正负极在电阻非常小的情况下相互连接的非正常通路。电池短路又分为电池内短路和外短路。外部短路是最常见的电池被滥用的情况,正负极被直接短接引起强烈的外部短路。针刺、火烧、挤压等行为可直接引发电池剧烈内短路,造成电池起火爆炸。除了这些强烈的外部短路和内部短路外,还有外部微短路和内部微短路。比如当电压测量线漏电就会导致电池的外部微短路;在由一些电池单体构成的电池组或电池包中,有时配置均衡装置来保持各个电池单体的一致性,但是当均衡装置出现故障时,也极易导致外部微短路。还有由于电池内部的隔膜缺陷,电极局部干涸,电极材料表面微刺等情况造成的电池内部自成回路,不断消耗电池电量的内部微短路。在电池的生产过程中,集流体等原材料存在毛刺或有粉尘落入,那么在电池以后的使用过程中就存在着隔膜会被破坏的隐患,形成内部微短路。即便是不存在制造缺陷的电池,在锂离子电池的使用过程中,如果面对过度放电、过度充电、超高温、超低温、剧烈振动等滥用情况时,电池的负极表面容易形成树枝状的锂支晶,这可能会刺破隔膜引发电池内部微短路。无论内部微短路还是外部微短路,随着微短路程度的升高后会导致电池自放电率逐渐提高,发热量增加,进而导致着火、甚至热失控等严重的安全问题。尤其是在充电过程、高温环境等情况下,微短路可能更加不可控。因此需要及时发现微短路故障,防止热失控等严重安全问题的发生。
技术实现思路
本专利技术是为了解决上述问题而进行的,目的在于提供一种基于人工神经网络的电池微短路定量诊断方法。本专利技术提供了一种基于人工神经网络的电池微短路定量诊断方法,具有这样的特征,包括以下步骤:步骤一,测量电池单体的电池老化参数;步骤二,将电池单体放置在设有预定温度的恒温箱中;步骤三,对电池单体的正负极进行外接电阻;步骤四,对接有外接电阻的电池单体进行充电并记录预定电压区间段内电池单体的充电时间,同时记录电池单体的电池老化参数、外接电阻的阻值以及预定温度,完成一次电池单体的样本数据采集;步骤五,更换不同阻值的电阻并重复四,得到不同阻值下的预定电压区间段内电池单体的充电时间,得到不同阻值下的电池单体的样本数据;步骤六,调整恒温箱得到不同的温度后重复步骤二至步骤五,得到不同温度、不同阻值下预定电压区间段内电池单体的充电时间,即不同温度、不同阻值下电池单体的样本数据;步骤七,更换不同老化程度的电池单体并重复步骤一至步骤六,得到不同温度、不同阻值下预定电压区间段内多个电池单体的充电时间,即、不同老化程度的电池单体在不同温度、外接有不同阻值的样本数据;步骤八,以电池单体的电池老化参数、所处温度、充电时间作为人工神经网络的输入量,电池单体的外接阻值作为人工神经网络的输出量根据步骤七中得到的样本数据进行人工神经网络训练,并将训练好的人工神经网络集成到电池管理系统中;步骤九,当电能存储设备进行充电时记录当前电池在预定电压区间段内的充电时间;步骤十,将当前电池的当前温度、当前电池老化参数以及当前充电时间输入至电池管理系统中的人工神经网络,经计算得到当前电池的微短路阻值;以及步骤十一,根据微短路阻值判定当前电池的微短路状态。在本专利技术提供的基于人工神经网络的电池微短路定量诊断方法中,还可以具有这样的特征:其中,人工神经网络为BP神经网络或RBF神经网络。在本专利技术提供的基于人工神经网络的电池微短路定量诊断方法中,还可以具有这样的特征:其中,当前电池为电池单体或电池组内的所有电池单体。在本专利技术提供的基于人工神经网络的电池微短路定量诊断方法中,还可以具有这样的特征:其中,电池老化参数为电池单体的电池容量、电池健康状态、循环次数、日历寿命或电池累计充放电电量中的任意一至多种参数。专利技术的作用与效果根据本专利技术所涉及的基于人工神经网络的电池微短路定量诊断方法中,因为该诊断方法在不同温度下,对不同电池老化参数的电池单体进行外接不同阻值的电阻的充电实验,获得预定电压区间段内的充电时间,将电池单体的温度、电池老化参数、预定电压区间段内的充电时间三个值作为一次人工神经网络的输入样本,外接电阻阻值作为这次的输出样本。尽可能均匀、多的获得不同电池工作温度、老化程度、外接电阻阻值的样本,然后训练微短路故障诊断网络,训练完后集成到现有电池管理系统中,在实车使用中,只需输入电池所处温度、电池老化参数、预定电压区间的充电时间,即可输出微短路阻值,这样不仅可判断微短路有无,还可以根据阻值的大小定量诊断故障的严重程度,为故障等级判定及应对措施提供依据。另外,因为神经网络在电池管理系统研制时已经训练好,在线使用时直接调用,这样的在线计算量较小,适用于各种电池和电池管理系统,不仅如此,本专利技术的诊断方法在当前电池仅进行一次充电就可以进行诊断,无需多次,且保证在当前电池的任意微短路程度、全生命周期、任意环境温度下进行可靠诊断。此外,该方法适用于电池单体进行诊断,也可对电池包内的所有单体同时进行诊断,且无需用一个正常单体作为参照。当电池包内有多个电池都存在微短路故障时,方法依然有效,故障单体均能被识别出来并估计出短路阻值大小。附图说明图1是本专利技术的实施例中基于人工神经网络的电池微短路定量诊断方法的流程图;图2是本专利技术的实施例中基于人工神经网络的电池微短路定量诊断方法得到的微短路诊断示意图。具体实施方式为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解,以下实施例结合附图对本专利技术基于人工神经网络的电池微短路定量诊断方法作具体阐述。本专利技术的基于人工神经网络的电池微短路定量诊断方法用于对当前电池的微短路状态进行诊断,当前电池可以为单独的电池单体也可以为电池包中的所有的电池单体。图1是本专利技术的实施例中基于人工神经网络的电池微短路定量诊断方法的流程图。如图1所示,该诊断方法主要包括以下步骤:步骤一,测量电池单体的电池老化参数,电池老化参数为电池单体的电池容量、电池健康状态(stateofhealth,SOH)、循环次数、日历寿命或电池累计充放电电量。在本实施例中,电池老化参数为电池单体的电池容量,获取电池单体的容量的方法为在规定的某一温度下以标准充放电倍率把电池单体从零电量充到满电量,或者把电池从满电量放到零电量都行,对充电或放电过程中电量进行安时积分等方法获得电池容量。步骤二,将电池单体放置在恒温箱中,恒温箱的温度设定为45℃。步骤三,在电池单体的正负极之间外接1000Ω的电阻。步骤四,对外接有1000Ω电阻的电池单体进行充电并记录预定电压区间段内电池单体的充电时间。即得到电池微短路诊断人工神经网络的输入量:电池单体的所处的温度,电池单体的容量,电池单体在预定电压区间段内的充电时间,电池微短路诊断人工神经网络的输出量:电池单体外接电阻的阻值。这三个输入量和一个输出量就是电池微短路诊断人工神经网络的一个训练样本。预定电压区间本文档来自技高网
...

【技术保护点】
1.一种基于人工神经网络的电池微短路定量诊断方法,其特征在于,包括:步骤一,测量电池单体的电池老化参数;步骤二,将所述电池单体放置在设有预定温度的恒温箱中;步骤三,对所述电池单体的正负极进行外接电阻;步骤四,对接有所述外接电阻的所述电池单体进行充电并记录预定电压区间段内所述电池单体的充电时间,同时记录所述电池单体的所述电池老化参数、所述外接电阻的阻值以及所述预定温度,完成一次所述电池单体的样本数据采集;步骤五,更换不同阻值的电阻并重复四,得到不同阻值下的所述预定电压区间段内所述电池单体的充电时间,得到不同阻值下的所述电池单体的样本数据;步骤六,调整所述恒温箱得到不同的温度后重复步骤二至步骤五,得到不同温度、不同阻值下所述预定电压区间段内所述电池单体的充电时间,即不同温度、不同阻值下所述电池单体的样本数据;步骤七,更换不同老化程度的电池单体并重复步骤一至步骤六,得到不同温度、不同阻值下所述预定电压区间段内多个电池单体的充电时间,即、不同老化程度的电池单体在不同温度、外接有不同阻值的样本数据;步骤八,以电池单体的电池老化参数、所处温度、充电时间作为人工神经网络的输入量,电池单体的外接阻值作为人工神经网络的输出量根据步骤七中得到的样本数据进行人工神经网络训练,并将训练好的人工神经网络集成到电池管理系统中;步骤九,当电能存储设备进行充电时记录当前电池在所述预定电压区间段内的充电时间;步骤十,将所述当前电池的当前温度、当前电池老化参数以及当前充电时间输入至所述电池管理系统中的人工神经网络,经计算得到所述当前电池的微短路阻值;以及步骤十一,根据所述微短路阻值判定所述当前电池的微短路状态。...

【技术特征摘要】
1.一种基于人工神经网络的电池微短路定量诊断方法,其特征在于,包括:步骤一,测量电池单体的电池老化参数;步骤二,将所述电池单体放置在设有预定温度的恒温箱中;步骤三,对所述电池单体的正负极进行外接电阻;步骤四,对接有所述外接电阻的所述电池单体进行充电并记录预定电压区间段内所述电池单体的充电时间,同时记录所述电池单体的所述电池老化参数、所述外接电阻的阻值以及所述预定温度,完成一次所述电池单体的样本数据采集;步骤五,更换不同阻值的电阻并重复四,得到不同阻值下的所述预定电压区间段内所述电池单体的充电时间,得到不同阻值下的所述电池单体的样本数据;步骤六,调整所述恒温箱得到不同的温度后重复步骤二至步骤五,得到不同温度、不同阻值下所述预定电压区间段内所述电池单体的充电时间,即不同温度、不同阻值下所述电池单体的样本数据;步骤七,更换不同老化程度的电池单体并重复步骤一至步骤六,得到不同温度、不同阻值下所述预定电压区间段内多个电池单体的充电时间,即、不同老化程度的电池单体在不同温度、外接有不同阻值的样本数据;步骤八,以电池单体的电池老化参...

【专利技术属性】
技术研发人员:孔祥栋张振东郑岳久尹丛勃
申请(专利权)人:上海理工大学
类型:发明
国别省市:上海,31

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1