[发明专利]一种串联型电池故障预测方法在审
申请号: | 202211401944.0 | 申请日: | 2022-11-10 |
公开(公告)号: | CN115656837A | 公开(公告)日: | 2023-01-31 |
发明(设计)人: | 彭思敏;伍华祥;陈胜东;柏佳唯;孙云翔;张帅;张道涵;沈翠凤;杨汉华 | 申请(专利权)人: | 盐城工学院 |
主分类号: | G01R31/367 | 分类号: | G01R31/367;G01R31/396;G06F18/214;G06F18/2411 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 224051 *** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 串联 电池 故障 预测 方法 | ||
1.一种串联型电池故障预测方法,所述电池串是由m个电池单体通过串联而成,其中m为大于1的自然数;
所述方法包括如下步骤:
步骤1:由实验得到电池串参数电流I,结合串联电路工作特性,当电池串中某一个电池单体电压达到恒流充电末端电压UH时,对其它电池单体达到电压UH所需要的时间Ti(i=1,2,3...m-1)进行统计;对数据预处理,剔除电压或时间数据不全的电池单体;
步骤2:由经预处理后的电池单体数据(包括电压、电流、时间Ti),根据式ΔEi=UHITi计算获取每节电池在时间Ti内增加的电池能量ΔEi,将ΔEi数值累加得到每次充电电池串增加的能量En(n代表次数,n=1,2,3...);
步骤3:以En数值作为故障因子,建立故障因子数据库,从数据库中选取3组不同的数据分别为训练数据A、训练数据B以及训练数据C;
步骤4:根据训练数据A、训练数据B,分别构建灰色模型GMⅠ、灰色模型GMⅡ;
步骤5:将2个GM模型的输出值相加,再求平均值,作为训练组合模型的输入,将平均值及训练数据C中En作为输入,经训练组合模型,得到准确的组合预测模型;
步骤6:以需要预测的序数n作为输入,经组合预测模型,得到相应的能量预测值Em;
步骤7:当Em小于设定阈值时,表明电池正常;反之,表明电池有故障,之后再进行故障类型判定,最后进行故障定位。
2.根据权利要求1所述的一种串联型电池故障预测方法,其特征在于,所述的电池串增加的能量En产生步骤如下:
(1)当电池串中某一个电池单体电压达到UH时,测量其它电池单体达到电压UH所需要的时间Ti(i=1,2,3...m-1);
(2)根据下式
ΔEi=UHITi
计算获取每节电池在时间Ti内增加的电池能量ΔEi(i=1,2,3...m-1);
(3)根据下式
计算每次充电中电池串在时间Ti内增加的电池能量En(n代表次数,n=1,2,3...)。
3.根据权利要求1所述的一种串联型电池故障预测方法,其特征在于,所述的故障类型产生步骤如下:
(1)当故障分析模块的判断出故障后,根据组合模型预测值,追溯电池单体序号;
(2)以电池串中其他稳定电池单体作为参照对象,建立包含故障单体历史Ti数值的数据集;
(3)通过再次建立GM(1,1)模型,直接对其Ti进行简单预测;
(4)当数据集内Ti值和预测值都趋向于0,判定电池单体存在紧急故障,处于严重衰退状态或者处于短路状态,需维保人员立即维修更换;当预测值呈现缓慢上升时,判定电池单体处于非紧急故障状态,未来可能会发展为紧急故障,需维保人员选择合理解决方案。
4.根据权利要求1所述的一种串联型电池故障预测方法,其特征在于,故障定位步骤为:当预测电池单体存在故障后,输出数据库所对应的电池单体序号,根据序号确定故障电池单体具体位置,实现故障定位功能。
5.根据权利要求1所述的一种串联型电池故障预测方法,其特征在于,所述电池为锂电池、铅酸电池或镍镉电池。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于盐城工学院,未经盐城工学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211401944.0/1.html,转载请声明来源钻瓜专利网。