一种预测电池组异常电芯的方法

摘要

本发明公开了一种预测电池组异常电芯的方法，涉及电池技术领域，获取电池包在一段时间内即采样时间段内的若干条运行数据，针对采样时间段内前后连续的两条运行数据，计算该两条运行数据之间每节电芯的压差；计算该两条运行数据之间的压差最大值；计算该两条运行数据之间每节电芯的相对压差；计算采样时间段内每节电芯相对压差的中位数；计算采样时间段内全体电芯相对压差的总体中位数；通过比较采样时间段内每节电芯相对压差的中位数和全体电芯相对压差的总体中位数，判断电芯是否异常。本发明避免了使用固定阈值导致的误判，对于不同工况和老化情况的电池均可以适用；同时避免了单条数据带来的判断结果不稳定的问题，提高了结果的准确性。

权利要求

1.一种预测电池组异常电芯的方法，其特征在于，包括以下步骤：S1，获取电池包在一段时间内即采样时间段内的若干条运行数据，且前后连续的两条运行数据的时间间隔小于∆T；

所述运行数据中包括有：每节电芯的电压值以及该条运行数据的获取时间；

S2，针对采样时间段内前后连续的两条运行数据，计算该两条运行数据之间每节电芯的压差∆V(i,k)：∆V(i,k)=|V(i,k)‑V(i‑1,k)|；

其中，∆V(i,k)表示第i条运行数据和第i‑1条运行数据之间第k节电芯的压差；V(i‑1,k)表示第i‑1条运行数据中第k节电芯的压力值；V(i,k)表示第i条运行数据中第k节电芯的压力值；整数i表示运行数据的条数编号，i=2,3,4...；整数k表示电芯编号，k=1,2,3...；

S3，计算该两条运行数据之间的压差最大值∆Vmax(i)；

其中，∆Vmax(i)表示第i条运行数据和第i‑1条运行数据之间的压差最大值；

S4，计算该两条运行数据之间每节电芯的相对压差R(i,k)：R(i,k)=∆V(i,k)/∆Vmax(i)；

其中，R(i,k)表示第i条运行数据和第i‑1条运行数据之间第k节电芯的相对压差；

S5，计算采样时间段内每节电芯相对压差的中位数Rmed(k)：Rmed(k)=median(R(i,k))；

其中，median(.)表示中位数函数；Rmed(k)表示第k节电芯相对压差的中位数；

S6，根据采样时间段内每节电芯相对压差的中位数Rmed(k)，计算采样时间段内全体电芯相对压差的总体中位数Rmed_overall：Rmed_overall=median(Rmed(k))；

其中，Rmed_overall表示采样时间段内全体电芯相对压差的总体中位数；

S7，比较采样时间段内每节电芯相对压差的中位数Rmed(k)和全体电芯相对压差的总体中位数Rmed_overall：若Rmed(k)≥f×Rmed_overall，则表示第k节电芯为异常电芯；否则表示第k节电芯为正常电芯；

其中，f为阈值。

2.根据权利要求1所述的一种预测电池组异常电芯的方法，其特征在于，步骤S3中，该两条运行数据之间的压差最大值∆Vmax(i)的计算方式如下所示：从该两条运行数据之间每节电芯的压差∆V(i,k)中，查找最大值即max(∆V(i,k))，若max(∆V(i,k))≥∆Vo，则∆Vmax(i)=max(∆V(i,k))；

若max(∆V(i,k))<∆Vo，则∆Vmax(i)=∆Vo；

其中，∆Vo为阈值；max(.)表示最大值函数。

说明书

一种预测电池组异常电芯的方法

技术领域

[0001] 本发明涉及电池技术领域，尤其是一种预测电池组异常电芯的方法。

背景技术

[0002] 电池作为新能源汽车的核心零部件，其稳定运行对保证电动汽车的驾驶安全至关重要。由于制造工艺或者使用工况的差异，电池组内不同电芯存在不一致性，一些硬件故障，如端子老化或者均衡回路异常，也会导致或者加速电池的不一致性问题。这种不一致性又会反过来加速电池的老化和不一致，使得电池性能变差的速度越来越快。因此，在电池组内电芯出现异常之前，需要准确地找出发生问题的电芯，及时做出对应处理，消除隐患，保证电池和车辆的稳定运行。当前电池管理系统（BMS）使用电池组的压差判断一致性，当压差超过某一预设阈值时，表示电芯出现不一致。但是这种方式判断的效果依赖于凭借经验事先设定的阈值，而且判断方式不随电池工况变化，对于使用一段时间的电池，或者极端工况如大电流、高低温等环境下的电池，容易出现误判。

发明内容

[0003] 为了克服上述现有技术中的缺陷，本发明提供一种预测电池组异常电芯的方法，解决传统BMS使用电池组的压差判断一致性带来的问题，准确找出异常电芯。

[0004] 为实现上述目的，本发明采用以下技术方案，包括：

[0005] 一种预测电池组异常电芯的方法，包括以下步骤：

[0006] S1，获取电池包在一段时间内即采样时间段内的若干条运行数据，且前后连续的两条运行数据的时间间隔小于∆T；

[0007] 所述运行数据中包括有：每节电芯的电压值以及该条运行数据的获取时间；

[0008] S2，针对采样时间段内前后连续的两条运行数据，计算该两条运行数据之间每节电芯的压差∆V(i,k)：

[0009] ∆V(i,k)=|V(i,k)‑V(i‑1,k)|；

[0010] 其中，∆V(i,k)表示第i条运行数据和第i‑1条运行数据之间第k节电芯的压差；V(i‑1,k)表示第i‑1条运行数据中第k节电芯的压力值；V(i,k)表示第i条运行数据中第k节电芯的压力值；整数i表示运行数据的条数编号，i=2,3,4...；整数k表示电芯编号，k=1,2,3...；

[0011] S3，计算该两条运行数据之间的压差最大值∆Vmax(i)；

[0012] 其中，∆Vmax(i)表示第i条运行数据和第i‑1条运行数据之间的压差最大值；

[0013] S4，计算该两条运行数据之间每节电芯的相对压差R(i,k)：

[0014] R(i,k)=∆V(i,k)/∆Vmax(i)；

[0015] 其中，R(i,k)表示第i条运行数据和第i‑1条运行数据之间第k节电芯的相对压差；

[0016] S5，计算采样时间段内每节电芯相对压差的中位数Rmed(k)：

[0017] Rmed(k)=median(R(i,k))；

[0018] 其中，median(.)表示中位数函数；Rmed(k)表示第k节电芯相对压差的中位数；

[0019] S6，根据采样时间段内每节电芯相对压差的中位数Rmed(k)，计算采样时间段内全体电芯相对压差的总体中位数Rmed_overall：

[0020] Rmed_overall=median(Rmed(k))；

[0021] 其中，Rmed_overall表示采样时间段内全体电芯相对压差的总体中位数；

[0022] S7，比较采样时间段内每节电芯相对压差的中位数Rmed(k)和全体电芯相对压差的总体中位数Rmed_overall：

[0023] 若Rmed(k)≥f×Rmed_overall，则表示第k节电芯为异常电芯；否则表示第k节电芯为正常电芯；

[0024] 其中，f为阈值。

[0025] 优选的，步骤S3中，该两条运行数据之间的压差最大值∆Vmax(i)的计算方式如下所示：

[0026] 从该两条运行数据之间每节电芯的压差∆V(i,k)中，查找最大值即max(∆V(i,k))，

[0027] 若max(∆V(i,k))≥∆Vo，则∆Vmax(i)=max(∆V(i,k))；

[0028] 若max(∆V(i,k))<∆Vo，则∆Vmax(i)=∆Vo；

[0029] 其中，∆Vo为阈值；max(.)表示最大值函数。

[0030] 本发明的优点在于：

[0031] （1）本发明提出计算各个电芯的相对压差，通过比较不同电芯之间的相对压差，避免了使用固定阈值导致的误判，该方法对于不同工况和老化情况的电池均可以适用。

[0032] （2）本发明通过统计一段时间内的大量运行数据来判断异常电芯，避免了单条数据带来的判断结果不稳定的问题，提高了结果的准确性。

附图说明

[0033] 图1为本发明的一种预测电池组异常电芯的方法流程图。

具体实施方式

[0034] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0035] 由图1所示，一种预测电池组异常电芯的方法，包括以下步骤：

[0036] S1，获取电池包在一段时间内即采样时间段内的若干条运行数据，且前后连续的两条运行数据的时间间隔小于∆T；

[0037] 所述运行数据中包括有：每节电芯的电压值以及该条运行数据的获取时间；

[0038] S2，针对采样时间段内前后连续的两条运行数据，计算该两条运行数据之间每节电芯的压差∆V(i,k)：

[0039] ∆V(i,k)=|V(i,k)‑V(i‑1,k)|；

[0040] 其中，∆V(i,k)表示第i条运行数据和第i‑1条运行数据之间第k节电芯的压差；V(i‑1,k)表示第i‑1条运行数据中第k节电芯的压力值；V(i,k)表示第i条运行数据中第k节电芯的压力值；整数i表示运行数据的条数编号，i=2,3,4...；整数k表示电芯编号，k=1,2,3...；

[0041] S3，计算该两条运行数据之间的压差最大值∆Vmax(i)，具体方式如下所示：

[0042] 从该两条运行数据之间每节电芯的压差∆V(i,k)中，查找最大值即max(∆V(i,k))，

[0043] 若max(∆V(i,k))≥∆Vo，则∆Vmax(i)=max(∆V(i,k))；

[0044] 若max(∆V(i,k))<∆Vo，则∆Vmax(i)=∆Vo；

[0045] 其中，∆Vo为阈值；∆Vmax(i)表示第i条运行数据和第i‑1条运行数据之间的压差最大值；max(.)表示最大值函数；

[0046] S4，计算该两条运行数据之间每节电芯的相对压差R(i,k)：

[0047] R(i,k)=∆V(i,k)/∆Vmax(i)；

[0048] 其中，R(i,k)表示第i条运行数据和第i‑1条运行数据之间第k节电芯的相对压差；

[0049] S5，根据电池包采样时间段内若干条运行数据，按照步骤S2～S4的方式，依次得到采样时间段内所有前后连续的两条运行数据之间每节电芯的相对压差R(i,k)，计算采样时间段内每节电芯相对压差的中位数Rmed(k)：

[0050] Rmed(k)=median(R(i,k))；

[0051] 其中，median(.)表示中位数函数；Rmed(k)表示第k节电芯相对压差的中位数；

[0052] S6，根据采样时间段内每节电芯相对压差的中位数Rmed(k)，计算采样时间段内全体电芯相对压差的总体中位数Rmed_overall：

[0053] Rmed_overall=median(Rmed(k))；

[0054] 其中，median(.)表示中位数函数；Rmed_overall表示采样时间段内全体电芯相对压差的总体中位数；

[0055] S7，比较采样时间段内每节电芯相对压差的中位数Rmed(k)和全体电芯相对压差的总体中位数Rmed_overall，若Rmed(k)≥f×Rmed_overall，则表示第k节电芯为异常电芯；否则表示第k节电芯为正常电芯；其中，f为阈值。

[0056] 本发明提出计算各个电芯的相对压差，通过比较不同电芯之间的相对压差，避免了使用固定阈值导致的误判，该方法对于不同工况和老化情况的电池均可以适用。本发明通过统计一段时间内的大量运行数据来判断异常电芯，避免了单条数据带来的判断结果不稳定的问题，提高了结果的准确性。

[0057] 对于如下表格所示的一段时间内的6条运行数据：

[0058] 表1 电池包在一段时间内的6条运行数据

[0059]

[0060] 表格中展示了电池包在一段时间内的6条运行数据，且电池包中共有5节电芯，每条运行数据中包括有每节电芯的电压值。在采集到第1条运行数据时，由于采集错误，第3节电芯所采集的电压为一个偏大的值3250mV，如果直接使用传统的压差判断方法，第3节电芯电压比其余电芯电压高50mV，会认为其属于异常电芯；如果使用本发明方法，由于使用所有电压变化值比例的中位数来判断，还使用了其他时刻的数据进行统计计算，会将采集有问题的数据过滤掉，则不会出现误判问题，增强了结果的稳定性。

[0061] 以上仅为本发明创造的较佳实施例而已，并不用以限制本发明创造，凡在本发明创造的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明创造的保护范围之内。