本技术涉及一种随机工况电池组的故障识别方法及装置。方法包括:构建电池组状态模型和电池单体偏差模型;利用滤波器分别对电池组状态模型和电池单体偏差模型进行状态预测,得到下一时刻电池组的第一预测结果和下一时刻电池单体的第一预测结果;将获得的电池状态参数和车辆状态参数输入到训练好的时序网络预测模型中,得到下一时刻电池组的第二预测结果;将电池组的第二预测结果和电池单体的第一预测结果输入训练好的物理增强编码器中,得到电池单体的第二预测矩阵;计算电池单体的第二预测矩阵的残差值,并将其与预设阈值相比较,以对电池组进行故障识别。本方案,能够实现对随机工况电池组故障的精准识别。
背景技术
由锂离子电池组组成的动力电池系统,具有高比能、长寿命、自放电弱和适用温度范围广等优势,是目前电动汽车的主流选择。随着电动汽车市场占有率越来越高,电池模块的安全故障成为限制电动汽车发展的一大瓶颈。近年来,车载电池的故障问题频发,市场召回量不计其数,增加了用户的安全焦虑与市场的经济负担。
在常规情况下,随着充放电循环次数的增加,锂离子电池的微观电化学成分出现不可逆损失,从而出现内阻增加、容量下降的现象。但由于随机工况与滥用耐受的影响,在电池的充放电过程中,存在一定概率造成异常故障如漏液、异常老化等,甚至是极端的安全事故,如电池短路、着火、爆炸等。电池的异常劣化是从微观反应异常发展至宏观表征异常,再至系统不受控的过程。由于实际工况故障成因的不可控,造成电池劣化时间长度的巨大差异以及临界触发点的强随机性。同时,电池应用过程中的可监测数据类型与数据质量都是非常受限的,这无疑大大增加了故障诊断的难度。
相关技术中,绝大部分的锂离子电池故障识别方法是在实验仿真情况下进行的,然而,实际电池状态监测中需要考虑传感器数目、数据质量、用户行为与随机工况等多种因素对电池状态的影响,这导致实验室研究下的诊断方法无法应用;并且,现有的电池故障诊断算法难以兼顾故障识别的准确性与可迁移性。
因此,亟需提供一种随机工况电池组的故障识别方法及装置。
实现思路