云端数据驱动的锂电池故障分级预警研究

doi:10.19562/j.chinasae.qcgc.2023.09.016

摘要/Abstract

摘要：

目前还未有一种有效手段针对故障类型未知的车辆云端数据进行无监督式的故障预警，为此本文提出了一种云端数据驱动的锂电池故障分级预警方法。首先通过机理分析选取适用于云端数据特性的特征，构建6类差熵特征集进行多次混合聚类实现对电池健康度的打分评价。通过引入温度信息区分热相关故障并构建预警等级划分准则判断电池故障状态。利用5种现场故障案例进行验证，结果表明，该方法能准确识别故障并区分故障类型，且具有较高的超前性和适应性。

关键词: 锂电池, 无监督式故障预警, 差熵特征集, 预警等级划分

Abstract:

At present， there is no effective method for unsupervised fault warning for vehicle cloud data with unspecified fault types. Therefore， this paper proposes a multi-level fault warning method for lithium-ion batteries driven by cloud data. Firstly， the features suitable for the characteristics of cloud data are selected through mechanism analysis， and six types of differential entropy feature sets are constructed for multiple mixed clustering to achieve the score evaluation of battery health. Then， temperature information is introduced in to distinguish heat-related faults and the warning level division criteria are constructed to determine the battery fault status. Finally， five field failure cases are used for validation. The results show that the method can accurately identify faults and distinguish fault types， and is ahead of its time and highly adaptable.

Key words: lithium-ion battery, unsupervised fault warning, differential entropy feature sets, warning level division

郭文超,杨林,邓忠伟,李济霖,范志先. 云端数据驱动的锂电池故障分级预警研究[J]. 汽车工程, 2023, 45(9): 1677-1687.

Wenchao Guo,Lin Yang,Zhongwei Deng,Jilin Li,Zhixian Fan. Research on Multi-level Fault Warning Method for Lithium-ion Batteries Driven by Cloud Data[J]. Automotive Engineering, 2023, 45(9): 1677-1687.

图/表 13

图1

图2

表1

图3

图4

表2

表3

图5

图6

图7

图8

图9

图10

参考文献 25

1	PAN Y， KONG X D， YUAN Y B， et al. Detecting the foreign matter defect in lithium-ion batteries based on battery pilot manufacturing line data analyses［J］. Energy， 2023， 262： 125502.
2	HU X S， ZHANG K， LIU K L， et al. Advanced fault diagnosis for lithium-ion battery systems： a review of fault mechanisms， fault features， and diagnosis procedures［J］. IEEE Industrial Electronics Magazine， 2020， 14（3）： 65-91.
3	XIONG R， SUN W Z， YU Q Q， et al. Research progress， challenges and prospects of fault diagnosis on battery system of electric vehicles［J］. Applied Energy， 2020， 279： 115855.
4	潘凤文，麻斌，高莹，等. 奇偶空间法用于电动车锂离子电池传感器故障诊断［J］. 汽车工程， 2019， 41（7）： 831-838.
	PAN F W， MA B， GAO Y， et al. Parity space approach for fault diagnosis of lithium-ion battery sensor for electric vehicles［J］. Automotive Engineering， 2019， 41（7）： 831-838.
5	苏伟，钟国彬，沈佳妮，等. 锂离子电池故障诊断技术进展［J］. 储能科学与技术， 2019， 8（2）： 225-236.
	SU W， ZHONG G B， SHEN J N， et al. The progress in fault diagnosis techniques for lithium-ion batteries ［J］. Energy Storage Science and Technology， 2019， 8（2）： 225-236.
6	QIU Y S， DONG T， LIN D， et al. Fault diagnosis for lithium-ion battery energy storage systems based on local outlier factor［J］. Journal of Energy Storage， 2022， 55： 105470.
7	SHANG Y L， LU G P， KANG Y Z， et al. A multi-fault diagnosis method based on modified sample entropy for lithium-ion battery strings［J］. Journal of Power Sources， 2020， 446： 227275.
8	LIN T T， CHEN Z Q， ZHOU S Y. Voltage-correlation based multi-fault diagnosis of lithium-ion battery packs considering inconsistency［J］. Journal of Cleaner Production， 2022， 336： 130358.
9	LI K， ZHOU P， LU Y F， et al. Battery life estimation based on cloud data for electric vehicles［J］. Journal of Power Sources， 2020， 468： 228192.
10	ZHAO Y， LIU P， WANG Z P， et al. Fault and defect diagnosis of battery for electric vehicles based on big data analysis methods［J］. Appled Energy， 2017， 207： 354-362.
11	JIANG L L， DENG Z W， TANG X L， et al. Data-driven fault diagnosis and thermal runaway warning for battery packs using real-world vehicle data［J］. Energy， 2021， 234： 121266.
12	FAN Z， XUAN X Z， HU W M. Fault diagnosis method for lithium-ion batteries in electric vehicles using generalized dimensionless indicator and local outlier factor［J］. Journal of Energy Storage， 2022， 52： 104963.
13	JIANG J C， LI T Y， CHANG C， et al. Fault diagnosis method for lithium-ion batteries in electric vehicles based on isolated forest algorithm［J］. Journal of Energy Storage， 2022， 50： 104177.
14	SUN Z Y， WANG Z P， LIU P， et al. An online data-driven fault diagnosis and thermal runaway early warning for electric vehicle batteries［J］. IEEE Transactions on Power Electronics， 2022， 37（10）： 12636-12646.
15	张健豪，高兴奇，张莉. 基于容量增量曲线与充电容量差的电池组微短路诊断方法［J］. 汽车工程， 2023， 45（2）： 191-230.
	ZHANG J H， GAO X Q，ZHANG L. Micro short circuit diagnosis method of battery pack based on capacity increment curve and charge capacity difference ［J］. Automotive Engineering， 2023， 45（2）： 191-230.
16	ZHENG Y J， LUO Q， CUI Y F， et al. Fault identification and quantitative diagnosis method for series-connected lithium-ion battery packs based on capacity estimation［J］. IEEE Transactions on Industrial Electronics， 2021， 69（3）： 3059-3067.
17	ZHANG Z D， KONG X D， ZHENG Y J， et al. Real-time diagnosis of micro-short circuit for Li-ion batteries utilizing low-pass filters［J］. Energy， 2019， 166： 1013-1024.
18	YANG F F， WANG D， XU F， et al. Lifespan prediction of lithium-ion batteries based on various extracted features and gradient boosting regression tree model［J］. Journal of Power Sources， 2020， 476： 228654.
19	ZHANG X Y， HONG J C， Xu X M. Fault diagnosis of real-scenario battery systems based on modified entropy algorithms in electric vehicles［J］. Journal of Energy Storage， 2023， 63： 107079.
20	YAO L， WANG Z P， MA J. Fault detection of the connection of lithium-ion power batteries based on entropy for electric vehicles［J］. Journal of Power Sources， 2015， 293： 548-561.
21	FENG X N， XU C S， HE X M， et al. A graphical model for evaluating the status of series-connected lithium-ion battery pack［J］. International Journal Energy Research， 2019， 43（2）： 749-766.
22	韩雪冰. 车用锂离子电池机理模型与状态估计研究［D］. 北京：清华大学， 2014.
	HAN X B. Study of li-ion battery mechanism model and state estimation for electric vehicles［D］. Beijing： Tsinghua University， 2014.
23	贾俊，胡晓松，邓忠伟，等. 数据驱动的锂离子电池健康状态综合评分及异常电池筛选［J］. 机械工程学报， 2021， 57（14）： 141-159.
	JIA Jun， HU Xiaosong， DENG Zhongwei， et al. Data-driven comprehensive evaluation of lithium-ion battery state of health and abnormal battery screening ［J］. Journal of Mechanical Engineering， 2021， 57（14）：141-159.
24	ZHANG Y， ZHOU Z K， KANG Y Z， et al. A quick screening approach based on fuzzy C-means algorithm for the second usage of retired lithium-ion batteries［J］. IEEE Transactions on Transportation Electrification， 2020， 7（2）： 474-484.
25	SULZER V， MOHTAT P， AITIO A， et al. The challenge and opportunity of battery lifetime prediction from field data［J］. Joule， 2021， 5（8）： 1934-1955.

特征范围	自身差值特征	平均偏差特征	熵值特征
电压信息/V	放电压差 Vd_dis	放电电压均差 *aveVd*_dis	放电压熵 *VEn*_dis
电压信息/V	充电压差 Vd_cha	充电电压均差 *aveVd*_cha	充电压熵 *VEn*_cha
温度信息/℃	放电温差 Td_dis	放电温度均差 *aveTd*_dis	放电温熵 *TEn*_dis
温度信息/℃	充电温差 Td_cha	充电温度均差 *aveTd*_cha	充电温熵 *TEn*_cha

现场故障案例	电池类型	单体数量	采样间隔/s	采样精度	保帧率/%	使用场景
故障对象No.1 （热失控故障）	三元锂离子电池	92	10	电压： ±10 mV 电流： ±0.1 A 温度： ±1 ℃	20.7	乘用车
故障对象No.2 （潜在故障）	三元锂离子电池	144	10	电压： ±10 mV 电流： ±0.1 A 温度： ±1 ℃	8.7	客车
故障对象No.3 （潜在故障）	三元锂离子电池	89	30	电压： ±10 mV 电流： ±0.1 A 温度： ±1 ℃	6.5	乘用车
故障对象No.4 （潜在故障）	磷酸铁锂电池	192	10	电压： ±10 mV 电流： ±0.1 A 温度： ±1 ℃	21.6	换电重卡
故障对象No.5 （潜在故障）	磷酸铁锂电池	228	10	电压： ±20 mV 电流： ±0.05 A 温度： ±1 ℃	35.0	储能电站

诊断结果	异常单体或模组	是否有热失控风险	维护建议
对象No.1	单体#7 单体#67	有	紧急更换单体#67；非紧急更换单体#7
对象No.2	10号模组	无	紧急更换10号模组
对象No.3	单体#83	无	紧急更换单体#83
对象No.4	单体#33	无	非紧急更换单体#33
对象No.5	2号模组	无	紧急更换2号模组

[1]	段志勇,马菁. 锂电池热管-液冷板式冷却结构多目标优化[J]. 汽车工程, 2023, 45(11): 2047-2057.
[2]	陈光,魏晨阳,李晓宇,景国玺. 基于梁单元简化模型的锂电池组碰撞安全临界条件的判定[J]. 汽车工程, 2022, 44(5): 722-729.
[3]	吴晓刚,齐明山,杜玖玉,Shchurov N. I.,Shtang A. A.. 不同充电倍率下锂离子电池组冷却系统结构设计[J]. 汽车工程, 2022, 44(4): 482-494.
[4]	常润泽,郑斌,冯旭宁,徐成善,王淮斌,陈立铎,王有镗. 隔热层对锂电池模组热失控蔓延特性影响的实验研究[J]. 汽车工程, 2021, 43(10): 1448-1456.
[5]	靳博文, 乔慧敏, 潘天红, 陈山. 基于内阻功率消耗的锂电池SOC估计^*[J]. 汽车工程, 2020, 42(8): 1008-1015.
[6]	李志杰, 陈吉清, 兰凤崇, 杨威. 车用锂电池PP隔膜机械失效导致内部微短路的机理研究^*[J]. 汽车工程, 2020, 42(4): 454-461.
[7]	陈吉清, 刘蒙蒙, 周云郊, 兰凤崇, 骆济焕. 不同滥用条件下车用锂电池安全性实验研究^*[J]. 汽车工程, 2020, 42(1): 66-73.
[8]	靳立强, 孙志祥, 刘志茹, 李建华, 杨名. 不同温度下锂电池剩余电量估算的仿真研究^*[J]. 汽车工程, 2019, 41(5): 590-598.
[9]	宋凯,陈旭,成艾国. 考虑温度影响和滞回效应的锂电池特性建模^*[J]. 汽车工程, 2019, 41(3): 334-339.
[10]	徐宁, 楼狄明, 谭丕强, 胡志远. 电动公交客车增程器开关控制策略和等效能耗最小化策略优化^*[J]. 汽车工程, 2018, 40(12): 1377-1384.