一种适用于磷酸铁锂电池测试过程的安全预警方法技术

本发明专利技术涉及电池测试技术领域，具体涉及一种适用于磷酸铁锂电池测试过程的安全预警方法，包括：步骤S1：对待测电池进行热失控测试，于测试过程中采集并存储电池参数生成历史数据，并在待测电池的安全阀破口时转向S2；S2：根据电池参数生成监测阈值，同时依照历史数据分别生成第一时间段的第一预测结果和第二时间段的第二预测结果；S3：根据第一预测结果和第二预测结果生成对应的告警消息。有益效果在于：通过获取多个电池参数来生成历史数据，并分别生成了对应于第一时间段的第一预测结果和第二时间段的第二预测结果，实现了基于多个电池参数对电池的热失控状态的有效预测，能够帮助工程人员有效判断出电池热失控的风险，提高风险判断的准确度。高风险判断的准确度。高风险判断的准确度。

【技术实现步骤摘要】
一种适用于磷酸铁锂电池测试过程的安全预警方法


[0001]本专利技术涉及电池测试
，具体涉及一种适用于磷酸铁锂电池测试过程的安全预警方法。

技术介绍

[0002]锂离子电池热失控时会释放H2、CO、CH4等多种易燃易爆气体，安全隐患较大。特别是在储能系统中，电池单体按特定要求经串并联连接后组成模组集中使用，一旦单个电池发生热失控，所释放的热量可能会造成整个模组热失控传播；同时释放的可燃气体在储能箱体封闭空间内聚集，甚至可能导致整个储能电站发生火灾、爆炸事故。根据CNESA不完全统计，近十年全球储能安全事故发生60余起。很多事故的直接起因并不一定是电池，但锂离子电池是导致事故发展难以控制的关键因素。其中，美国亚利桑那Chandler电池储能项目事故持续喷淋12天才控制住事故，消防救援时除采用水控制火势之外，没有其他更有效的措施。可见储能电站一旦发生火灾事故就会造成巨大损失和恶劣的社会影响，因此对锂离子电池进行热失控早期预警以及安全防护就显得十分重要。
[0003]现有技术中，针对锂离子电池的热失控状况已存在有相应的监测方法，该类技术方案通常是针对锂离子电池设计对应的传感器，包括温度、气体浓度等传感器，通过监测锂离子电池是否发生异常温升或气体泄漏来对锂离子电池是否存在热失控状况进行监测。
[0004]但是，在实际实施过程中，专利技术人发现，由于上述方案仅是针对单一因素进行简单判断，比如，气体浓度是否达到泄露阈值、温升是否达到温升阈值等进行判断来进行报警，这导致了判断要素相对单一容易误判，且不能有效对锂离子电池未来的状况进行预测，造成判断准确度不足的问题。

技术实现思路

[0005]针对现有技术中存在的上述问题，现提供一种适用于磷酸铁锂电池测试过程的安全预警方法。
[0006]具体技术方案如下：
[0007]一种适用于磷酸铁锂电池测试过程的安全预警方法，包括：
[0008]步骤S1：对待测电池进行热失控测试，于测试过程中采集并存储电池参数生成历史数据，并在所述待测电池的安全阀破口时转向步骤S2；
[0009]步骤S2：根据所述电池参数生成监测阈值，同时依照所述历史数据分别生成第一时间段的第一预测结果和第二时间段的第二预测结果；
[0010]步骤S3：根据所述第一预测结果和所述第二预测结果生成对应的告警消息。
[0011]另一方面，所述步骤S1包括：
[0012]步骤S11：于测试系统中设置所述待测电池，并进行热失控测试；
[0013]步骤S12：对所述待测电池采集并存储所述历史数据，并获取所述待测电池的图像数据；
[0014]步骤S13：根据所述图像数据判断所述待测电池的安全阀是否破损；
[0015]若是，转向所述步骤S2；
[0016]若否，返回所述步骤S12。
[0017]另一方面，所述步骤S2包括：
[0018]步骤S21：根据所述电池参数分别生成安全阈值、绝缘阈值和压力阈值作为所述监测阈值；
[0019]步骤S22：依照所述历史数据分别生成对应于所述第一时间段的第一变化趋势，以及对应于所述第二时间段的第二变化趋势；
[0020]步骤S23：将所述第一变化趋势、所述第二变化趋势分别与每个所述监测阈值进行比较，以得到所述第一预测结果和所述第二预测结果。
[0021]另一方面，所述步骤S21包括：
[0022]步骤S211：记录所述待测电池的安全阀破口时的第一温度值、第一腔体内压力和气体起始浓度作为所述安全阈值，以及，根据所述第一腔体内压力和所述待测电池的电池体积生成所述压力阈值；
[0023]步骤S212：获取所述待测电池的温升速率，当所述温升速率达到预先设置的温升门限时转向步骤S213；
[0024]步骤S213：将所述待测电池当前的第二温度值、第二腔体内压力和气体当前浓度作为所述绝缘阈值。
[0025]另一方面，所述步骤S22中，分别采用预先训练的第一神经网络模型生成所述第一变化趋势，以及，采用预先训练的第二神经网络模型生成所述第二变化趋势；
[0026]所述第一神经网络模型和所述第二神经网络模型为BP神经网络模型或长短时记忆神经网络模型或模糊神经网络模型或卷积神经网络模型。
[0027]另一方面，所述步骤S3包括：
[0028]根据所述第一预测结果和所述第二预测结果判断所述待测电池是否会在所述第一时间段或所述第二时间段内触发所述监测阈值；
[0029]当所述待测电池将于所述第一时间段触发所述监测阈值时，生成一级告警消息并通知运维人员远程待命；
[0030]当所述待测电池将于所述第二时间段触发所述监测阈值时，生成二级告警消息并通知运维人员现场值守；
[0031]当所述待测电池不会触发所述监测阈值时，返回所述步骤S2以更新所述第一预测结果和所述第二预测结果。
[0032]另一方面，在执行所述步骤S2时，还执行一实时预测过程，所述实时预测过程包括：
[0033]步骤A1：分别获取所述待测电池的实时监测温度、实时监测腔体内压力值、实时气体浓度，并在所述实时监测温度或实时监测腔体内压力值或实时气体浓度触发所述安全阈值时生成三级告警消息转向步骤A2；
[0034]步骤A2：基于所述历史数据采用数据驱动模型生成第三时间段内的第三预测结果，根据所述第三预测结果判断所述待测电池在所述第三时间段内是否会触发所述绝缘阈值；
[0035]若是，生成四级告警消息并对电池管理单元进行断电；
[0036]若否，返回所述步骤A2。
[0037]另一方面，在执行所述步骤S2时，还执行一即时监测过程，所述即时监测过程包括：
[0038]步骤B1：分别获取所述待测电池的即时监测温度、即时监测腔体内压力值、即时气体浓度；
[0039]步骤B2：判断所述即时监测温度或即时监测腔体内压力值或即时气体浓度是否触发预先标定的绝限阈值；
[0040]若是，生成五级告警消息并对电池管理单元进行断电、自动开启消防装置；
[0041]若否，返回所述步骤B2。
[0042]另一方面，所述步骤S11中，所述热失控测试包括绝热热失控测试和过热热失控测试；
[0043]当所述热失控测试为所述过热热失控测试时，若所述待测电池触发测试终止条件时，停止执行所述步骤S11；
[0044]所述测试终止条件包括：所述待测电池的电压降超过初始电压的25％；或者，所述待测电池的温升速率达到测试温升速率门限；或者，所述待测电池的表面出现破口。
[0045]一种安全预警系统，其特征在于，用于实施上述的安全预警方法，包括：
[0046]测试模块，所述测试模块对待测电池进行热失控测试，于测试过程中采集并存储电池参数生成历史数据；
[0047]预测模块，所述预测模块连接所述测试模块，所述预测模块根据所述电池参数生成监测阈值，同时依照所述历史数据分别生成第一时间段的第一预测结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于磷酸铁锂电池测试过程的安全预警方法，其特征在于，包括：步骤S1：对待测电池进行热失控测试，于测试过程中采集并存储电池参数生成历史数据，并在所述待测电池的安全阀破口时转向步骤S2；步骤S2：根据所述电池参数生成监测阈值，同时依照所述历史数据分别生成第一时间段的第一预测结果和第二时间段的第二预测结果；步骤S3：根据所述第一预测结果和所述第二预测结果生成对应的告警消息。2.根据权利要求1所述的安全预警方法，其特征在于，所述步骤S1包括：步骤S11：于测试系统中设置所述待测电池，并进行热失控测试；步骤S12：对所述待测电池采集并存储所述历史数据，并获取所述待测电池的图像数据；步骤S13：根据所述图像数据判断所述待测电池的安全阀是否破损；若是，转向所述步骤S2；若否，返回所述步骤S12。3.根据权利要求1所述的安全预警方法，其特征在于，所述步骤S2包括：步骤S21：根据所述电池参数分别生成安全阈值、绝缘阈值和压力阈值作为所述监测阈值；步骤S22：依照所述历史数据分别生成对应于所述第一时间段的第一变化趋势，以及对应于所述第二时间段的第二变化趋势；步骤S23：将所述第一变化趋势、所述第二变化趋势分别与每个所述监测阈值进行比较，以得到所述第一预测结果和所述第二预测结果。4.根据权利要求3所述的安全预警方法，其特征在于，所述步骤S21包括：步骤S211：记录所述待测电池的安全阀破口时的第一温度值、第一腔体内压力和气体起始浓度作为所述安全阈值，以及，根据所述第一腔体内压力和所述待测电池的电池体积生成所述压力阈值；步骤S212：获取所述待测电池的温升速率，当所述温升速率达到预先设置的温升门限时转向步骤S213；步骤S213：将所述待测电池当前的第二温度值、第二腔体内压力和气体当前浓度作为所述绝缘阈值。5.根据权利要求3所述的安全预警方法，其特征在于，所述步骤S22中，分别采用预先训练的第一神经网络模型生成所述第一变化趋势，以及，采用预先训练的第二神经网络模型生成所述第二变化趋势；所述第一神经网络模型和所述第二神经网络模型为BP神经网络模型或长短时记忆神经网络模型或模糊神经网络模型或卷积神经网络模型。6.根据权利要求1所述的安全预警方法，其特征在于，所述步骤S3包括：根据所述第一预测结果和所述第二预测结果判断所述待测电池是否会在所述第一时间段或所述第二时间段内触发所述监测阈值；当所述待测电池将于所述第一时间段触...

【专利技术属性】
技术研发人员：闵凡奇，荆玉麟，杨凯伦，刘振平，姜发令，杨林，余洋，王春艳，边怡熳，黄铭寅，陈威，
申请(专利权)人：上海航天电源技术有限责任公司，
类型：发明
国别省市：