一种带温度约束条件的锂电池传感器故障滤波诊断方法技术

本发明专利技术公开了一种带温度约束条件的锂电池传感器故障滤波诊断方法，属于锂电池故障诊断技术领域。所述方法包括：获取锂电池电压动态特性；建立锂电池离散线性电热模型；获取锂电池的参数矩阵和输入矩阵，并确定温度约束条件；建立带温度约束条件的锂电池离散线性电热模型；确定系统的输出矩阵；估计状态矩阵对应的全对称多胞形；计算输出矩阵对应的全对称多胞形；确定锂电池系统的故障状态和故障时间；若发生故障，设计故障估计器估计乘性传感器故障对应的区间；解决了噪声干扰信号不确定的锂电池系统的传感器故障估计问题，能够快速地估计出故障，且估计区间保守性更小，根据所估计出的区间进一步计算出故障数值，提高了对锂电池系统故障估计的精度。

【技术实现步骤摘要】
一种带温度约束条件的锂电池传感器故障滤波诊断方法
本专利技术涉及一种带温度约束条件的锂电池传感器故障滤波诊断方法，属于锂电池故障诊断

技术介绍
锂电池系统有着体积小、功率高、容量大、自动放电功率低、循环寿命长等优点，近些年已被广泛用于电动汽车、电子消费品、大规模或分布式储能等场景中。在锂电池的实际应用中，受环境因素和操作条件等的影响，锂电池容易不稳定。一旦锂电池出现问题，势必会导致整个系统存在短路等安全问题，造成较高的安全隐患。因此，为保证锂电池系统的安全可靠的运行，对锂电池进行实时有效的故障诊断是非常有必要的。锂电池系统工作环境复杂，易受各种环境因素的影响，同时考虑实际环境中各种干扰噪声一般不满足特定的概率分布，因此现有技术中，将能够基于未知但有界的噪声进行系统故障诊断的椭球集员滤波故障诊断方法应用于锂电池系统中，则能够有效诊断出锂电池系统的运行状态。但是，这种方法的估计区间保守性较大、估计精度有待于进一步的提高。
技术实现思路
为了进一步的提高对锂电池系统故障估计的精度，本专利技术提供了一种带温本文档来自技高网...

【技术保护点】
1.一种带温度约束条件的锂电池传感器故障滤波诊断方法，其特征在于，所述方法包括：/nS1根据锂电池的离散线性电热模型，并基于锂电池的参数矩阵和输入矩阵和锂电池系统在正常工作状态下的温度约束条件，建立带温度约束条件的锂电池离散线性电热模型；/nS2获取锂电池在工作状态下的电池内核温度和表面温度，并根据锂电池离散线性电热模型确定锂电池在工作状态下对应的输出矩阵；/nS3根据锂电池参数矩阵和输入矩阵、S1建立的带温度约束条件的锂电池离散线性电热模型以及S2确定的锂电池在工作状态下对应的输出矩阵，设计带约束的全对称多胞形卡尔曼滤波器，并计算锂电池的输出矩阵对应的全对称多胞形；/nS4根据S3计算得到的...

【技术特征摘要】
1.一种带温度约束条件的锂电池传感器故障滤波诊断方法，其特征在于，所述方法包括：
S1根据锂电池的离散线性电热模型，并基于锂电池的参数矩阵和输入矩阵和锂电池系统在正常工作状态下的温度约束条件，建立带温度约束条件的锂电池离散线性电热模型；
S2获取锂电池在工作状态下的电池内核温度和表面温度，并根据锂电池离散线性电热模型确定锂电池在工作状态下对应的输出矩阵；
S3根据锂电池参数矩阵和输入矩阵、S1建立的带温度约束条件的锂电池离散线性电热模型以及S2确定的锂电池在工作状态下对应的输出矩阵，设计带约束的全对称多胞形卡尔曼滤波器，并计算锂电池的输出矩阵对应的全对称多胞形；
S4根据S3计算得到的锂电池输出矩阵对应的全对称多胞形，确定锂电池系统的故障状态和故障时间；
S5根据锂电池的参数矩阵和输入矩阵、S1建立的带温度约束条件的锂电池离散线性电热模型以及S2确定的锂电池在工作状态下对应的输出矩阵，设计带约束的全对称多胞形卡尔曼滤波故障估计器，进一步估计锂电池系统的乘性传感器故障数值对应的区间集合。


2.根据权利要求1所述的方法，其特征在于，所述方法包括以下步骤：
步骤101，根据锂电池的双极化电池模型和电路工作原理，获取锂电池电压动态特性；



其中R1和C1分别为锂电池的电化学极化内阻和电容，R2和C2分别为锂电池的浓差极化内阻和电容，U1和U2分别为R1与C1和R2与C2两端电压，I为电池电流；
步骤102，根据锂电池的双态热子模型，建立锂电池离散线性电热模型；
步骤103，获取锂电池的参数矩阵和输入矩阵，并确定正常工作状态下系统温度约束条件；所述参数矩阵根据电池核心与表面之间的热阻Rc、电池表面与冷却空气之间的对流电阻Ru、电池表面的热容系数Cc和电池内部材料的热容系数Cs确定，所述输入矩阵由发热功率Qgen和环境温度Te组成；
步骤104，根据步骤102建立的锂电池离散线性电热模型和步骤103确定的温度约束条件，确定带温度约束条件的锂电池离散线性电热模型；
步骤105，获取锂电池在工作状态下的电池内核温度Tc(k)和表面温度Ts(k)，并确定对应的输出矩阵y(k)；
步骤106，设计带约束的全对称多胞形卡尔曼滤波器，估计锂电池系统状态矩阵对应的全对称多胞形
步骤107，根据步骤106估计出的状态矩阵对应的全对称多胞形计算锂电池的输出矩阵对应的全对称多胞形
步骤108，根据步骤107计算的锂电池输出矩阵对应的全对称多胞形确定锂电池系统的故障状态和故障时间；
步骤109，设计带约束的全对称多胞形卡尔曼滤波故障估计器，估计乘性传感器故障数值对应的区间集合


3.根据权利要求2所述的方法，其特征在于，所述步骤102，根据锂电池的双态热子模型，建立锂电池离散线性电热模型，包括：
根据锂电池产热、导热原理，建立锂电池双态热子模型：



其中，Qgen＝I(Uoc-U)＝I(R0I+U1+U2)为电池核心的发热功率，R0为欧姆内阻，Uoc为电池的开路电压，U为电池的端电压；
以发热功率Qgen和环境温度Te为输入，电池内核温度Tc和表面温度Ts为状态，经离散化处理后，建立锂电池离散线性电热模型为：



其中x(k)＝[x1(k),x2(k)]T＝[Tc(k),Ts(k)]T为系统的状态矩阵，x1(k)、x2(k)为状态矩阵x(k)中的元素，分别表示电池内核温度Tc和表面温度Ts，u(k)＝[Qgen(k),Te(k)]T为系统的输入矩阵，y(k)＝[Tc(k),Ts(k)]T为系统的输出矩阵；

为系统的参数矩阵，k为离散时间，w(k)和v(k)分别为过程噪声和测量噪声，并且均有界。


4.根据权利要求3所述的方法，其特征在于，所述步骤104，根据步骤102建立的锂电池离散线性电热模型和步骤103确定的温度约束条件，确定带温度约束条件的锂电池离散线性电热模型，包括：
根据步骤103确定的锂电池系统的温度约束条件，确定系统的约束方程：
|γ(k)-H(k)x(k)|≤l
其中γ(k)＝[29,5.85]T，l＝[0.5,0.1]T；
同时基于步骤102建立的锂电池离散线性电热模型，确定带温度约束条件的...

【专利技术属性】
技术研发人员：王子赟，刘子幸，王艳，占雅聪，纪志成，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏;32