统计分析和密度聚类的锂离子电池组内短路故障诊断

随着锂离子电池系统在电动汽车中的广泛应用，电池组短路引起的安全问题日益凸显，因此动力电池的状态监测与故障诊断备受关注。针对当前非模型故障诊断方法存在的泛用性低、抗干扰性差和电池组不一致性突出等问题，提出了一种基于统计分析和密度聚类的电池组短路故障诊断方法。首先根据遗忘机制，利用核密度估计的相对熵和相关系数提取电池组的故障信息，用于识别短路引起的电池电压和温度变化；接着采用基于密度的空间噪声聚类算法(DBSCAN)自动识别短路故障电池。该方法的鲁棒性在噪声干扰和电池组较大不一致性的条件下得到了有效验证。随后，在不同程度的微短路情况下(短路电阻分别为1、5和10Ω)进行故障诊断，结果表明在10Ω短路情况下故障诊断的准确率能够达到92.17%。最后通过对比分析，表明该诊断方法能够有效检测和定位短路电池，并且故障越严重，诊断所需时间越短。     

基于放电平台期的Wkmeans退役锂离子电池分选方法

针对退役锂离子电池单体之间由于生产过程及后续工作环境的不同产生的不一致性差异对分选后电池成组性能的影响,提出一种基于放电平台期参数的锂离子电池分选方法.以磷酸铁锂电池为研究对象,通过研究电池组不一致性的影响因素确定聚类的指标,进而进行放电实验,得到电池的电压、电流、容量等时序数据,并通过固定电压窗口的方法得到放电平台高...     

锂电池成组不一致性研究

锂离子电池的不一致性会影响电池组的使用寿命,降低了电池成组后的性能。锂电池成组不一致性是指单体电池的容量、电压、内阻、自放电速率等参数存在差异,是由电池组的组合结构、使用工况、使用环境、电池管理不同所致。对单体电池分选制度、电池组连接方式、BMS均衡控制、充放电策略和热管理提出了改进方法。     

基于模糊C均值算法的电池组一致性分析方法

受限于电池系统电芯初始性能和环境工况差异，电池组性能的不一致性将严重降低电池组整体使用水平，增加系统的安全隐患，因此，提出一种基于模糊C均值（fuzzy C-means,FCM）算法的锂离子电池组一致性分析方法。该方法基于戴维南等效电路模型，利用递归最小二乘（RLS）算法实现特征参数的在线辨识，并将提取的特征参数作为FCM算法的输入，从而实现对电池组一致性聚类评估。通过对电动汽车9个月的实车数据进行验证，证明了所提出方法的有效性。分析结果表明该方法能够准确地评估电池组的一致性水平，并且在长时间的使用中保持较高的预测精度。     

动力锂电池组充放电智能管理系统设计与实现

锂离子电池组充放电过程中对电压、电流和温度比较敏感,而且各单体电池存在不一致性.提出了一种新的锂电池组充放电智能管理系统,能够实时检测电池组单体的电压、电流和温度,控制电池组均衡充放电,并实现对电池组充放电过流保护和负载短路过流保护.系统具有集成度高,体积小,精度高,反应快并能够灵活地扩展系统容量等优点.     

基于因子分析与K-means聚类的退役动力电池快速分选方法

针对目前退役动力电池数量多、快速分选方法匮乏的问题,提出一种基于脉冲功率测试(Hybrid PulsePower Characteristic,HPPC)、因子分析和聚类算法的退役动力电池快速分选与重组方法。根据电池管理系统(Battery Management System, BMS)记录的电池数据,计算单体电池电压数据得到电池最大可用容量。以HPPC一次放电脉冲提取的电池开路电压、欧姆内阻、极化电阻以及浓差电阻作为特征变量。特征变量数据经归一化算法与因子分析优化后,通过聚类算法完成电池分选与重组。实验结果表明:该方法下单体电池平均分选重组时间压缩在30 min以内,分组后一致性指标较好,在退役动力电池分选与重组中具有较好的实际意义。     

液态金属电池串联成组的一致性分选EI北大核心CSCD

液态金属电池是一种兼具低成本、长寿命、大容量优势的规模储能技术。为提高串联液态金属电池组一致性和可靠性,该文提出一种电池综合分选方法。基于单体电池的活化数据,获取液态金属电池的综合特性参数;然后,通过皮尔逊相关性分析,选取若干典型静态特性指标作为聚类特征,进行电池初分选;最后,以动态时间规整相似度对电池放电曲线的差异性进行量化评估,并采用减法聚类进行电池再分选。研究结果表明,分选后液态金属电池组容量提高了6.77%,电池放电曲线差异减少了88.28%,电池组一致性得到显著提高。     

基于DBSCAN聚类的退役动力电池深度配组方法

退役动力电池在梯次利用时，因单体一致性差异较大，常难以满足使用要求。综合考量退役动力电池动态特性和静态特性，提出一种改进的多参数DBSCAN聚类算法对退役动力电池进行深度配组。对比实验表明，与Kmeans++聚类的结果相比，采用该方法聚类后电池最大容量差减少了86.04%；循环充放电实验表明，采用该方法得到的电池组充电性能提高约3%～5%，其放电量更大，其容量衰减速率降低了64.96%。该方法可有效提高电池组内单体的一致性并延长电池组的使用寿命。     

电动汽车用MH-Ni电池组不一致性试验与建模

电池组不一致性对于电动汽车的安全性和电池管理系统的复杂度有着重要影响。设计MH-Ni电池组不一致性研究试验,结合内阻模型分析了电流、SOC和温度对电池组不一致性的影响,建立了电池组过放电过程数学模型,提出确定电池管理系统电压传感器数量的新方法,通过试验对模型及方法进行了验证。     

基于特性曲线的锂离子电池分类新方法

提出一种基于特性曲线的电池新分类方法,通过分析列放电特性曲线上的特征,解释各特征点的物理意义,并说明特征点的提取方法,同时提出了通过增长容量分析（ICA）法分析电池内部材料相变过程的思想,再采用FCM聚类算法对电池进行分类筛选。通过电池组循环寿命实验验证新方法的有效性。     

航空锂离子电池组不一致性分析

针对航空锂电池成组后普遍存在的不一致现象,以7ICP45航空锂离子电池组为研究对象,以搁置时间和不同充放电倍率对锂电池组不一致性造成的影响为研究点,分析、总结电池组不一致现象的表现规律。结果表明:搁置状态下,前3 d单体间电压不一致性表现明显,7 d后单体电压几乎不再变化,趋于稳定;充放电状态下,电池组不一致现象会随充放电倍率和时间的增加而变大,特别是在充放电后期;工况下电池组受多种因素的影响,短时间内就会有严重的不一致现象。     

电动汽车用锂电池组均衡控制算法

串联锂电池组充放电时的不均衡,导致电池循环寿命缩短,均衡管理模块已成为电池管理系统的关键组成部分。针对串联电池组不一致性带来的影响,设计了基于超级电容的电池组单体电压均衡模块,该模块采用分组均衡,并将不均衡状态分为3种,分别采用不同的控制方法。仿真和实验结果表明该模块不仅使电池组均衡充放电,而且改进了均衡结构,提高了均衡效率。     

基于Buck-Boost电路的能量转移型均衡方案

提出了一种基于Buck-Boost电路的新型均衡电路,实现了锂离子串联电池组充放电均衡。根据均衡能量流向,采取两种不同的均衡策略:电池组放电时,均衡能量由电池组向组内荷电状态(state of charge,SOC)较低的单体电池转移;电池组充电时,均衡能量由电池组中SOC较高的单体电池向电池组转移。以单体电池开路电压在线估计为基础,运用开路电压法估算SOC,选取SOC值在一定阈值范围之外的单体电池作为均衡对象,对6节串联的磷酸铁锂电池进行了充放电均衡实验。实验结果表明,该方案可以有效减小单体电池间的不一致性,提升电池组的整体性,同时提高了电池组充放电容量。     

基于电压极差特征的储能电池组早期健康状态检测

为了更加高效地评估储能电池组的健康状态（SOH）,提出一种基于电压极差特征的早期健康状态检测方法。首先基于大容量磷酸铁锂储能电池组开展循环老化试验,测量每次循环的电压极差信号,并从中提取关键时间点的电压特征;其次,基于皮尔逊（Pearson）相关系数及灰色关联度分析法（GRA）筛选与电池组老化高度相关的健康因子。最后,通过麻雀搜索算法（SSA）优化双向长短时记忆网络（BiLSTM）的超参数,搭建SSA-BiLSTM健康状态估计模型,实现储能电池组SOH评估;并结合常规机器学习算法验证了健康因子的有效性和估计模型的优越性。结果表明,所提取充放电静置30 min的电压极差特征能够有效反映电池组容量衰退趋势,多种模型验证下SOH估计误差均低于±0.8%。其中,本文所提出的SSA-BiLSTM模型均方根误差（RMSE）低至0.07%。因此该方法能够有效地对大容量储能电池组的SOH实现在线监测。     

由VMD与DBSCAN在线检测锂离子电池热失控

热失控影响锂离子电池系统的推广和应用。为预测锂离子电池系统的热失控，提出基于变分模态分解(VMD)与密度的噪声空间聚类(DBSCAN)算法的热失控在线检测方法。针对实际热失控案例，结合VMD与滑动窗口，在线分解窗口内各电池的电压信号，得到电压稳态分量；之后，提取各电池稳态分量与稳态分量均值的标准化皮尔逊相关系数，以及余弦相似度，并构建二维特征矩阵；最后，由DBSCAN自动辨识电池组中的故障电池，最早可在热失控前111 s检测出电压异常。     

大电流均衡电路的研究与设计

电池组是由多个电池单体串联组成的,电池单芯的不一致性会导致电池组整体性能下降,需要对电池组进行均衡控制。此处分析了不同均衡控制方法的优缺点,针对大电流充放电条件下的均衡要求,设计了一种电池大电流均衡电路,并提出了基于此电路的快速高效均衡控制策略。测试结果表明,所设计的电路可实现大电流的均衡,且控制灵活、损耗低,能够有效地改善电池组电压不一致问题。     

基于单体一致性对动力锂电池性能的影响研究

限于锂电池单体的电压和容量,需将它们并串联形成电池组使用。动力锂电池组性能取决于单体电压、内阻、容量和SOC一致性。单体不一致性对电池性能有较大影响。充放电特性曲线能较真实地反映电池的特性和使用过程中的一致性。需要通过电芯制造工艺控制、配组过程优化及采取电池均衡管理策略提高单体一致性。     

不同温度的双卡尔曼滤波算法电池组SOC估计

动力锂电池组的荷电状态SOC(state of charge)是整个电池管理系统的重要参数,能直接反映电动汽车剩余可行驶里程,因此如何精确地估计电池组的SOC值是至关重要的。由于电池组各单体电池的不一致性,以及电动汽车在行驶过程中的复杂环境,所以在电池组内单体电池负载电压的最小值Vmin模型的基础上运用统计学的方法,对模型中的各参数进行有关温度因素的拟合,并通过模拟汽车的实际行驶环境,在不同温度下进行实验,从而得到改进的Vmin模型;结合双卡尔曼滤波算法,实现对整个电池组的SOC估计。仿真和实验结果表明该方法对电池组SOC的估计精度有优越性。     

考虑SOC的自适应分组策略在储能参与一次调频中的应用

大规模储能电站中各电池组状态的不一致性,使得传统电池参与一次调频研究时的归一化处理难以涵盖所有电池组状态,容易导致部分电池过度充放电。提出了一种考虑电池荷电状态（state of change, SOC）的自适应分组策略,用于储能参与一次调频的应用研究。根据电池的额定容量和SOC对储能电池进行分组,以实时调整各电池组的出力比例;设计评价指标以量化分析电池使用寿命,根据每组电池SOC对其进行综合控制,以实时调整每组电池出力大小,减小电池循环深度,提升其使用寿命。通过Matlab/Simulink进行仿真验证,结果表明,所提分组策略能在保证一次调频性能的同时,有效提升储能电池的使用寿命。     

电池管理系统监测平台的设计

在电动汽车动力电池组充放电过程中,必须通过电池管理系统对电池组总电压、充放电电流、工作温度、组内单体电池电压进行实时准确的监测,从而保证电池安全性,延长其使用寿命.本文搭建了基于LabVIEW的电池管理系统监测平台,实现了对电池多参数的实时采集、处理、显示、存储等功能,进而对电池的充放电过程进行有效控制,并为电池荷电状态(SOC)的估计算法的有效性测试提供硬件平台及软件接口.测试结果表明,该电池监测平台能够有效实现电池管理系统的监测,并具有一定的功能扩展性.