一种基于过充检测的锂电池电芯故障预测方法及系统与流程

摘要: 本申请涉及锂电池故障预测,具体而言,涉及一种基于过充检测的锂电池电芯故障预测方法及系统。背景技术:1、在新能源汽车和大型储能系统领域,锂电池电芯的安全运行至关重...
一种基于过充检测的锂电池电芯故障预测方法及系统与流程

本申请涉及锂电池故障预测,具体而言,涉及一种基于过充检测的锂电池电芯故障预测方法及系统。

背景技术:

1、在新能源汽车和大型储能系统领域,锂电池电芯的安全运行至关重要。然而,电芯在充电过程中若发生过充,其内部电解液易发生不必要的化学反应,产生气体,导致温度升高,甚至可能引发热失控,严重威胁设备安全和使用寿命。目前,通常依靠监测电芯的电压来判断是否过充,一旦电压超过某个安全线,就立即停止充电。但这种方法在很多情况下并不能及时发现问题,因为电芯内部的一些细微变化,比如早期产气,在电压上可能表现不明显,甚至会被忽略。

2、在实际的长期运行环境中,电池包内的单个锂电池电芯可能因长期运行、环境温度波动以及内部微观缺陷的共同作用,导致局部区域发生隐性过充并伴随电解液分解产气。这种局部过充和产气现象在早期阶段往往非常隐蔽,电芯的端电压尚未明显超出传统安全阈值,且外部物理形变或常规交流信号响应特性测量不足以提供明确预警。例如,电芯内部气体积累和缺陷区域电化学动力学的改变,可能仅导致恒流充电阶段端电压出现微小的瞬态波动,或恒压充电阶段电压在目标值附近小幅振荡,这些偏差常常落在高精度电压测量系统的固有噪声范围之内,或被主导的充电电流和大量电芯固有的行为差异所掩盖。

3、此外,电芯内部的气体囊泡以及由此产生的局部压力增加,会微妙地改变电芯内部的电化学环境,进而影响电芯对交流信号的响应特性,表现为在某些特定频率成分上响应出现微小偏移或幅值增加。然而,电池管理单元(bmu)的诊断功能在分析这种交流响应时,往往局限于宽带测量或特定的低频检测,其灵敏度不足或采样频率过低,无法捕捉到这些指示早期产气现象的细微、特定频率的响应变化。因此,核心挑战在于,如何在端电压或宏观物理变化提供明确但已然迟滞的警告之前,检测到这些指示内部产气和局部过充的细微、前兆性迹象。

技术实现思路

1、本申请公开了一种基于过充检测的锂电池电芯故障预测方法及系统,旨在解决现有技术中锂电池电芯在早期过充及产气现象隐蔽,传统监测方法难以及时发现问题,以及电池管理单元诊断功能灵敏度不足,无法捕捉细微、特定频率响应变化的技术问题。

2、本申请的技术方案如下:

3、第一方面,本申请公开了一种基于过充检测的锂电池电芯故障预测方法,包括以下步骤:

4、获取锂电池电芯在过充工况下对瞬态电流激励的电压响应数据、高频电压信号的频谱数据、交流激励下的阻抗响应数据、端电压的变化速率数据;

5、从获取的电压响应数据中提取电压响应特征,从频谱数据中提取频谱能量特征,从阻抗响应数据中提取阻抗演化特征,从变化速率数据中提取电压变化速率特征,并将电压响应特征、频谱能量特征、阻抗演化特征、电压变化速率特征组合为多维电学特征;并基于锂电池电芯的运行历史、当前环境温度、参考电芯的响应,对多维电学特征进行校准,区分由过充引起的异常与由正常老化或环境变化引起的波动,得到校准后的多维电学特征;

6、根据校准后的多维电学特征与过充诱发早期故障的关联程度,计算锂电池电芯的综合风险指标,并根据电池系统的当前运行状态调整风险判断阈值;

7、当综合风险指标超过风险判断阈值时,预测锂电池电芯存在过充诱发的早期故障风险,将综合风险指标、预测结果与过充工况参数上传至工业互联网平台进行健康管理。

8、第二方面,本申请还公开了一种基于过充检测的锂电池电芯故障预测系统,包括:

9、数据获取模块,用于获取锂电池电芯在过充工况下对瞬态电流激励的电压响应数据、高频电压信号的频谱数据、交流激励下的阻抗响应数据、端电压的变化速率数据;

10、特征提取与校准模块,与数据获取模块连接,用于从获取的电压响应数据中提取电压响应特征,从频谱数据中提取频谱能量特征,从阻抗响应数据中提取阻抗演化特征,从变化速率数据中提取电压变化速率特征,并将电压响应特征、频谱能量特征、阻抗演化特征、电压变化速率特征组合为多维电学特征;并基于锂电池电芯的运行历史、当前环境温度、参考电芯的响应,对多维电学特征进行校准,区分由过充引起的异常与由正常老化或环境变化引起的波动,得到校准后的多维电学特征;

11、风险计算与阈值调整模块,与特征提取与校准模块连接,用于根据校准后的多维电学特征与过充诱发早期故障的关联程度,计算锂电池电芯的综合风险指标,并根据电池系统的当前运行状态调整风险判断阈值;

12、故障预测模块,与风险计算与阈值调整模块连接,用于当综合风险指标超过风险判断阈值时,预测锂电池电芯存在过充诱发的早期故障风险;

13、工业互联网通信模块,与故障预测模块连接,用于将综合风险指标、预测结果与过充工况参数上传至工业互联网平台进行健康管理。

14、本申请公开一种基于过充检测的锂电池电芯故障预测方法及系统,通过多维特征融合、智能校准、动态风险评估与平台化管理,克服了现有技术在锂电池电芯早期过充故障检测方面的局限性,为提升锂电池电芯的安全性、可靠性和使用寿命提供了创新的解决方案。

1.一种基于过充检测的锂电池电芯故障预测方法,其特征在于,包括:

2.根据权利要求1所述的基于过充检测的锂电池电芯故障预测方法,其特征在于,所述基于所述锂电池电芯的运行历史、当前环境温度、参考电芯的响应,对所述多维电学特征进行校准,区分由过充引起的异常与由正常老化或环境变化引起的波动,得到校准后的多维电学特征的步骤包括:

3.根据权利要求1所述的基于过充检测的锂电池电芯故障预测方法,其特征在于,所述计算所述锂电池电芯的综合风险指标,并根据电池系统的当前运行状态调整风险判断阈值的步骤包括:

4.根据权利要求1所述的基于过充检测的锂电池电芯故障预测方法,其特征在于,所述当所述综合风险指标超过所述风险判断阈值时,预测所述锂电池电芯存在过充诱发的早期故障风险,将所述综合风险指标、预测结果与过充工况参数上传至工业互联网平台进行健康管理的步骤包括:

5.根据权利要求4所述的基于过充检测的锂电池电芯故障预测方法,其特征在于,所述在预设时间窗内连续监测所述综合风险指标变化的步骤包括:

6.根据权利要求5所述的基于过充检测的锂电池电芯故障预测方法,其特征在于,所述对每个时间窗内采样的综合风险指标采样数据进行趋势分析,得到多个时间尺度下的趋势信息的步骤包括:

7.根据权利要求5所述的基于过充检测的锂电池电芯故障预测方法,其特征在于,所述识别所述综合风险指标的非线性、非周期性动态演变特征的步骤包括:

8.根据权利要求2所述的基于过充检测的锂电池电芯故障预测方法,其特征在于,所述构建所述异常特征之间的互信息矩阵,依据所述互信息矩阵中特征间的冗余度与互补度,分离由过充与其他退化机制引起的特征贡献的步骤包括:

9.根据权利要求3所述的基于过充检测的锂电池电芯故障预测方法,其特征在于,所述方法还包括:预先标定所述动态权重集合,具体为:

10.一种基于过充检测的锂电池电芯故障预测系统,其特征在于,包括: