一种基于大数据依变化量曲线的后台热失控预警方法技术

本发明专利技术提供一种基于大数据依变化量曲线的后台热失控预警方法，通过采集发生热失控案例和试验数据，分析并获取诱发电池包热失控的因素；分析电池包热失控前的数据，得出在热失控前每500mS时间内的变化量；依诱发热失控的各种因素搭建对应类型电芯故障模组模型对数据库进行整理汇总，计算出各采集量最小周期内变化量，形成各个电芯对应采集量的变化量曲线，将正常电芯与问题电芯的曲线比较，找出问题电芯的曲线特征，形成问题电芯变化量曲线模型数据库，并保存至后台控制器。计算所述实时数据采集量的变化量曲线，并与所述曲线模型数据库进行对比，当与问题电芯变化量曲线数据库存比对相似度超过60%，则判定该串电芯存在热失控风险，进行提前预警。进行提前预警。

【技术实现步骤摘要】
一种基于大数据依变化量曲线的后台热失控预警方法


[0001]本专利技术涉及电池安全预警领域，尤其是涉及一种基于大数据依变化量曲线的后台热失控预警方法。

技术介绍

[0002]随着电动汽车的广泛普及，也时常发生冒烟，起火，爆炸事故，大部分都是由于电池包内部热失控而进一步引发的事故。要减少热失控事故发生，除了选择可靠电芯、做好方案设计和原材料选型等，还有很重要一点就是能对电池包进行热失控预警，从而提前进行检修和维护，防止热失控导致事故发生。而目前的电池包的热失控预警主要采用BMS（电池管理系统）采集单体电芯表面温度，然后经过简单计算预测报警，基本步骤如下：1）采集电芯单体温度并计算出最大最小值和差值；2）设置报警阈值，当最大最小值或差值超过阈值时进行报警降功率运行；3）当最大最小值或差值超过严重报警阈值时，BMS切断高压回路停止工作。由于温度报警阈值是固定的一个极值，当电芯表面温度达到报警值已很接近热失控状态或已发生热失控，这时电池包随时可能引发起火爆炸事故，不能提前预警进行检修和维护。

技术实现思路

[0003]本专利技术提出了一种基于大数据依变化量曲线的后台热失控预警方法，通过采集电池包的各参数，进行分析获得问题电芯变化量曲线模型，进而采集实时数据计算得对应的热失控系数∏曲线，与问题电芯变化量曲线模型进行比对，从而判断电池包热失控状态，实现提前预警，将风险控制在发生前。
[0004]具体的，本专利技术所述的一种基于大数据依变化量曲线的后台热失控预警方法，包括以下步骤：S1：采集发生热失控案例和试验数据，分析并获取诱发电池包热失控的因素；S2：分析电池包热失控前的数据，得出在热失控前每500mS时间内的变化量；S3：依诱发热失控的各种因素搭建对应类型电芯故障模组模型；S4：对数据库进行整理汇总，计算出各采集量最小周期内变化量，形成各个电芯对应采集量的变化量曲线，将正常电芯与问题电芯的曲线比较，找出问题电芯的曲线特征，形成问题电芯变化量曲线模型数据库，并保存至后台控制器。
[0005]所述诱发电池包热失控的因素至少包括：内部因素和外部因素。
[0006]进一步的，所述诱发电池包热失控的因素至少包括：内部因素和外部因素。
[0007]进一步的，所述外部因素至少包括外部短路、机械碰撞、挤压、接连松动和外温过高。
[0008]所述S3还包括：S31：设置5个测试场景，按实车运行工况进行充放电测试；S32：记录所述5个测试场景下对应的测试数据；
S33：依次按电芯故障类型、环境温度和SOC区间分层建立数据库；所述5个测试场景至少包括：环境温度为：-10℃、0℃、10℃、25℃和35℃；与所述环境温度一一对应的SOC区间为10%、30%、50%、70%和90%；所述测试数据至少包括实时的电流I、电芯温度CELL-T、单体电压CELL-V和电芯内阻CELL-R值。
[0009]其中，所述S4还包括：S41：把数据库对应的数据全部按每500mS一个区间分别计算出
△
CELL-T、
△
CELL-V和
△
CELL-R的变化量，其中，
△
CELL-T为电芯温度变化量，
△
CELL-V单体电压变化量，和
△
CELL-R电芯内阻变化量；S42：定义电流变化量对采集数据变化量的影响因子∮
△
I，定义采集数据变化量影响热失控因子∮
△
CELL-T，∮
△
CELL-V、∮
△
CELL-R；S43:计算总热失控系数∏=（∑∮
△
CELL-T*
△
CELL-T + ∮
△
CELL-V*
△
CELL-V +∮
△
CELL-R*
△
CELL-R） / ∮
△
I；S44:分别按电芯故障类型、环境温度、SOC区间分层建立对应的热失控系数∏的曲线模型数据库保存后台控制器。
[0010]进一步的，，所述S4还包括：采集环境温度、SOC、实时电流、电芯单体电压、温度和内阻的实时数据；计算所述实时数据采集量的变化量曲线，并与所述曲线模型数据库进行对比，当与问题电芯变化量曲线数据库存比对相似度超过60%，则判定该串电芯存在热失控风险，需提前预警。
[0011]进一步的，所述S4还包括：如判定车辆存在问题电芯，后台控制器自动拨打车主电话，并远程控制车辆停止运行，通知维护人员马上进行检修和维护。
[0012]进一步的，所述S4还包括：经检修和维护且验证合格后，批准车辆继续运行，并收集事故车辆数据，搭建电芯故障模组进行实验，整理分析实验数据，升级问题电芯变化量曲线模型的数据库。
[0013]综上所述，本专利技术提供一种基于大数据依变化量曲线的后台热失控预警方法，采用大数据库问题电芯变化量曲线模型方法，在电芯没发生温度过高极值报警前，提前进行热失控预警，提前预防减少事故。其中，问题电芯变化量曲线模型的变化量不单一采用电芯温度，还包括实时电流、电芯单体电压、温度和内阻多维度信息，实现对温度变化不明显但能诱发热失控的其它因素也能进行有效预警。本专利技术依产生热失控因素分类搭建电芯曲线模型，分各环境温度和SOC区间，进行实验测试，建立问题电芯变化量的热失控系数∏曲线模型的数据库，比对更简单和速度，从而提高故障预警准确性和实时性。进一步的，曲线模型数据库采用采集量的变化量，可放大采集量的变化特征，同时按推算出的影响系统和电流变化量影响因子计算出热失控系数∏，更好找出问题电芯的变化特征，提高比对速度。并且采用后台控制器进行复杂的计算生成各电芯各采集量的变化量曲线，后台控制器比实车BMS运算速度更快，可采用大运算量算法运行更复杂的计算，大大提升实时性和准确度，后台控制器比BMS更方便随时升级问题电芯变化量曲线模型的数据库，丰富完善数据库，更好
提高预警准确率。
具体实施方式
[0014]下面将结合具体实施例对本专利技术的一种基于大数据依变化量曲线的后台热失控预警方法，作进一步详细描述。
[0015]具体的：本专利技术所述的一种基于大数据依变化量曲线的后台热失控预警方法，包括以下步骤：S1：采集发生热失控案例和试验数据，分析并获取诱发电池包热失控的因素；S2：分析电池包热失控前的数据，得出在热失控前每500mS时间内的变化量；S3：依诱发热失控的各种因素搭建对应类型电芯故障模组模型；S4：对数据库进行整理汇总，计算出各采集量最小周期内变化量，形成各个电芯对应采集量的变化量曲线，将正常电芯与问题电芯的曲线比较，找出问题电芯的曲线特征，形成问题电芯变化量曲线模型数据库，并保存至后台控制器。
[0016]其中，诱发热失控的因素分为两类，包括内部因素和外部因素；内部因素至少包括：电芯阻抗增大、内短路、正负极短路和漏液，外部因素至少包括：外部短路、机械碰撞、挤压、接连松动和外温过高。
[0017]由于故障前期电芯本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据依变化量曲线的后台热失控预警方法，其特征在于，包括以下步骤：S1：采集发生热失控案例和试验数据，分析并获取诱发电池包热失控的因素；S2：分析电池包热失控前的数据，得出在热失控前每500mS时间内的变化量；S3：依诱发热失控的各种因素搭建对应类型电芯故障模组模型；S4：对数据库进行整理汇总，计算出各采集量最小周期内变化量，形成各个电芯对应采集量的变化量曲线，将正常电芯与问题电芯的曲线比较，找出问题电芯的曲线特征，形成问题电芯变化量曲线模型数据库，并保存至后台控制器。2.根据权利要求1所述的方法，其特征在于，所述诱发电池包热失控的因素至少包括：内部因素和外部因素。3.根据权利要求2所述的方法，其特征在于，所述内部因素至少包括电芯阻抗增大、内短路、正负极短路和漏液。4.根据权利要求2所述的方法，其特征在于，所述外部因素至少包括外部短路、机械碰撞、挤压、接连松动和外温过高。5.根据权利要求1所述的方法，其特征在于，所述S3还包括：S31：设置5个测试场景，按实车运行工况进行充放电测试；S32：记录所述5个测试场景下对应的测试数据；S33：依次按电芯故障类型、环境温度和SOC区间分层建立数据库。6.根据权利要求5所述的方法，其特征在于，所述5个测试场景至少包括：环境温度为：-10℃、0℃、10℃、25℃和35℃；与所述环境温度一一对应的SOC区间为10%、30%、50%、70%和90%；所述测试数据至少包括实时的电流I、电芯温度CELL-T、单体电压CELL-V和电芯内阻CELL-R值。7.根据权利要求1所述的方法，其特征在于，所述S4还包括：S41：把数据库对应的数据全部按每500mS一个区间分别计算出
△
CELL-T、
△
CELL-V和
△
CELL-R的变化量，其...

【专利技术属性】
技术研发人员：李斌，任素云，谢小科，
申请(专利权)人：惠州市蓝微新源技术有限公司，
类型：发明
国别省市：