[發明專利]一種基于模型和信號處理相結合的電池組多故障綜合診斷方法

在審

• 申請號: 201910724149.7
• 申請日: 2019-08-07
• 公開（公告）號: CN110441695A
• 公開（公告）日: 2019-11-12
• 發明（設計）人: 胡曉松;張凱;馮飛;劉波;李佳承
• 申請（專利權）人: 南京佑創汽車研究院有限公司;重慶長安新能源汽車科技有限公司
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/396
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于模型和信號處理相結合的電池組多故障綜合診斷方法，設計電池組交叉電壓測量拓撲有助于區分出電池組電池短路、傳感器、電池連接等多種故障，且不增加硬件成本；針對不易直接從測量信號中觀察到的故障，基于模型的殘差生成，并且考慮模型參數與SOC之間的關系，能夠實現實時故障檢測；進一步結合熵等信號處理方法分析，能夠有效分離出具有相似特征的故障，且對電池不一致性具有較好的魯棒性；分步式多故障檢測和分離方案減小計算量，復雜度適中足以應用到實車電池管理系統中。

技術領域

本發明涉及電池管理與電池安全技術領域，具體涉及一種基于模型和信號處理相結合的電池組多故障綜合診斷方法。

背景技術

鋰離子動力電池由于具有能量密度高、循環壽命長、環境友好以及價格逐年降低的優勢，已成為電動汽車(EV)主流的儲能裝置。但電池系統安全問題成為限制EV快速發展的瓶頸。受自身抗濫用性差、外界環境和使用條件的影響，電池系統可能出現各種故障，引起動力電池加速退化，甚至是電解液泄露、起火、爆炸等安全事故。因此故障診斷研究對提高電池系統安全性至關重要。

目前研究的電池系統故障主要有電池故障、傳感器故障、電池連接故障等，采用的故障診斷方法包括基于模型的方法，信號處理方法和機器學習方法。其中基于模型的方法應用最為廣泛，由于利用了對電池系統動態過程的認識，能夠獲得實時的診斷效果。歐姆內阻(R_Ω)和荷電狀態(SOC)的異常變化常作為電池短路故障的故障特征，這兩個參數可通過基于模型的參數和狀態估計得到。基于電池模型設計觀測器或濾波器，如龍伯格觀測器、卡爾曼濾波器(Kalman Filter,KF)、粒子濾波器(Particle Filter,PF)。進而通過構造殘差生成器可實現傳感器故障診斷。

但基于模型的方法需要較多的建模工作，且診斷效果受模型精度影響較大。信號處理的方法通過提取出特征參數來表征故障，無需建模且易于實現，常用于電池連接故障診斷，但該方法不利于故障定位。機器學習方法利用歷史數據可訓練出有效的故障分類器，局限性在于目前大量的電池故障數據不易獲得，且沒有理想的可重復性故障替代試驗，機器學習方法目前應用相對較少。

受單體容量和電壓水平限制，動力電池以成組形式應用在實車上。但目前對電池系統的故障診斷研究集中在電池單體上，一些技術不適于電池組故障診斷。而且多數研究只針對單一故障的診斷，這些研究都基于其他元件無故障的重要假設，在實際應用中難以區分多種相似的故障。即使基于模型的方法設計不同的觀測器，能夠實現電流、電壓傳感器的檢測和分離，但仍不能區分出傳感器故障和電池故障。一個可行的方案是在電池組傳感器拓撲中采用更多的傳感器，但同時也增加了系統復雜度和硬件成本。

電池、傳感器、電池連接故障會引起相似的測量信號異常，單一故障的診斷可能引起故障誤報和漏報，但不增加硬件成本的可用于實車電池管理系統(Battery ManagementSystem,BMS)的多故障診斷方法尚未出現。

發明內容

本發明的目的是為提高電池系統安全性，克服現有技術存在的不足，提供的一種基于模型和信號處理相結合的電池組多故障綜合診斷方法。

為達到上述目的，本發明提供如下技術方案：

一種基于模型和信號處理相結合的電池組多故障綜合診斷方法，其特征在于，包括以下步驟：

步驟S1：設計電池組交叉電壓測量拓撲，確定電壓測量信號與電芯、傳感器、接觸電阻之間不同的對應關系；

步驟S2：基于設計的電壓測量拓撲，建立多單體的電池組模型，根據故障分離的電路原理，建立等效的電池組模型，并確定該電池組模型用于殘差生成所需的模型參數；