[发明专利]动力锂电池热失控故障分类及风险预测方法、系统

权利要求书

1.一种动力锂电池热失控故障分类及风险预测方法，其特征在于，包括：

步骤1：获取非故障电池单体数据集，获取电池故障单体数据集；

步骤2：利用带迟滞效应的二阶RC等效电路模型对非故障电池单体数据集和特定故障的电池故障单体数据集进行参数辨识，获得无故障电池和对应故障电池的等效电路参数，从而构建正常电池单体模型和故障电池单体的参数；

步骤3：将正常电池单体模型与电池产热模型进行耦合，并进行串联，结合外界环境对流换热情况，得到仿真热耦合模组级电池模型；

步骤4：对仿真热耦合模组级电池模型进行多种故障的注入，同时生成电池故障数据集和故障标签；

步骤5：将所述电池故障数据集作为深度学习模型的输入，将所述故障标签作为深度学习模型的输出，划分对应的训练集和测试集；

步骤6：使用所述深度学习模型建立电池在使用过程中参数与故障标签的对应关系，得到源模型；

步骤7：用迁移学习方法对所述源模型用实车数据和对应的故障标签进行微调，用微调后的所述源模型进行热失控故障分类及风险预测。

2.根据权利要求1所述的动力锂电池热失控故障分类及风险预测方法，其特征在于，所述步骤4包括：

步骤4.1：确定需要进行故障注入的种类，和故障注入在时间序列上的发生频率，生成故障发生矩阵；

步骤4.2：注入初始SOC不准确故障：将初始SOC加上一个随机数，增加的位置和值的大小是随机的，SOC的值的范围限制在0％-100％之间；

步骤4.3：以预设概率随机注入电池单体内短路和电池外短路的故障：注入电池内短路故障的具体操作是在电池单体内部并联第一可变电阻，在未发生故障的时候阻值为无穷，在发生故障时，为一个浮动的值；

注入电池外短路故障的具体操作为在电池模型间并联第二可变电阻，在未发生故障的时候阻值为无穷，在发生故障时，为一个浮动的值；

步骤4.4：注入电池内阻过高的故障：在正常电池单体模型内部串联第三可变电阻，依概率变为阻值对电池内阻过高进行模拟，第三可变电阻产热计入电池单体产热；

步骤4.5：注入电池电压异常下降的故障：在电池单体内部串联一个可变电压源，按概率造成电压降；

步骤4.6：注入实车故障数据中的电芯异常故障：将步骤2中对电池故障单体的参数辨识结果按概率对二阶RC迟滞等效电路中的R1，R2，C1，C2参数进行修改以模拟电池内部机理相关的故障并统一确定标签；

R₁＝R₁(SOC,T)，R₂＝R₂(SOC,T)

R1和R2分别表示辨识二阶等效电路中的极化内阻；

C₁＝C₁(SOC,T)，C₂＝C₂(SOC,T)

C1，C2分别表示辨识二阶等效电路中的极化电容。

3.根据权利要求1所述的动力锂电池热失控故障分类及风险预测方法，其特征在于，所述步骤5还包括：

进行数据清洗，将数据中偏离的数据点删除，对于缺失的数据点，采用线性差值的方法进行填充，具体公式如下，

将数据集进行归一化处理，采用最大最小归一化方法：

式中：X指当前样本某一个状态分量的值，X_min是所有样本的该状态分量的最小值，X_max是所有样本的该状态分量的最大值。