一种基于云端终身学习的动力电池热失控风险评估方法

    公开(公告)号:CN114781256B

    公开(公告)日:2024-06-14

    申请号:CN202210405653.2

    申请日:2022-04-18

    摘要: 本发明涉及一种基于云端终身学习的动力电池热失控风险评估方法,包括如下步骤:云端数据清洗:整车T‑box将BMS采集的动力电池各性能参数数据实时上传至云端,并对上述数据进行清洗,然后形成单车数据集;计算动态特征元素导致热失控概率以及基于多因素动态可靠度函数的热失控概率:通过提取单车数据集中的与热失控相关的动态特征元素以及相关因素的可靠度函数,基于动态特征元素以及可靠度函数计算其导致热失控的概率;最后,通过多源数据融合方法,将所有热失控概率进行数据融合,最终计算得到动力电池综合热失控风险评估和综合热失控概率。本方法通过对动力电池全生命周期热失控概率计算参数的动态调整,提升了预测的准确性以及实用性。

    一种基于云端在线数据的动力电池单体热失控预警方法

    公开(公告)号:CN114734873B

    公开(公告)日:2024-05-28

    申请号:CN202210403841.1

    申请日:2022-04-18

    摘要: 本发明涉及一种基于云端在线数据的动力电池单体热失控预警方法,包括以下步骤:S1:对云端收集的电池组数据进行电池模组边界特征提取,并形成高维矩阵;S2:提取出上述高维矩阵的低维特征矩阵,基于所述低维特征矩阵计算当前失效概率,根据预设的失效概率阈值与所述当前失效概率进行比较,判定当前是否存在热失控风险;S3:判定有热失控风险时,计算高维矩阵中每个维度对失效概率的贡献值,确定失效概率贡献最大的边界特征对应的单体电池为待核验高危单体;S4:分析所述待核验高危单体在线电压、温度与SOC数据,根据偏差程度值对应三级不同的等级进行报警。本方法通过对动力单体电池热失控进行预警,提升了电池运行的稳定性和安全性。

    一种锂离子电池单体故障自检测方法

    公开(公告)号:CN114580496A

    公开(公告)日:2022-06-03

    申请号:CN202210082128.1

    申请日:2022-01-24

    IPC分类号: G06K9/62 G01R31/36

    摘要: 本发明提供了一种锂离子电池单体故障检测方法,通过对多组正常工作的锂离子电池进行一定倍率恒流充放电循环试验,采集循环过程中电压与电池表面温度数据,然后对采集的数据进行处理,提取锂离子电池特征曲线并提取特征曲线峰值数据,再构建数据集并进行数据驱动模型训练,计算得到Hotelling T2统计量与SPE统计量,进而得到正常工作的锂离子电池失效概率,并设置异常判定概率阈值,然后对待测锂离子电池进行上述操作得到待测锂离子电池失效概率,根据待测锂离子电池失效概率与异常判定概率阈值的比对结果判断电池是否故障。本方法选择包含了电池性能演变与熵热变化等信息的数据集,更能体现电池复杂的微观性能演变,确保了故障诊断的准确性。

    基于电池能观系统的神经网络系统状态观测器构建方法

    公开(公告)号:CN116449213A

    公开(公告)日:2023-07-18

    申请号:CN202310311622.5

    申请日:2023-03-28

    IPC分类号: G01R31/367

    摘要: 本发明公开了基于电池能观系统的神经网络系统状态观测器构建方法,对锂离子电池进行等效电路分析,建立考虑电池自放电的等效电路模型,对模型进行推导假设,构建系统可观的状态空间方程,构建系统可观并符合估计误差最终一致有界的状态空间方程,对能观系统的未知函数项,设计神经网络求解器进行逼近求解,包括神经网络的整体架构、系数优化方向与神经网络触发式在线更新机制。基于神经网络的状态空间方程求解结果,设计系统状态观测器实时估计系统状态,最终可获得当前电池的SOC等状态量。