基于WOA-VMD和香农熵的锂电池早期故障诊断研究

doi:10.19562/j.chinasae.qcgc.2024.07.006

汽车工程 ›› 2024, Vol. 46 ›› Issue (7): 1189-1196.doi: 10.19562/j.chinasae.qcgc.2024.07.006

• • 上一篇

基于WOA-VMD和香农熵的锂电池早期故障诊断研究

胡杰^1,^2,³(),程雅钰^1,^2,³,余海^1,^2,³,贾超明^1,^2,³,卿海华^1,^2,³

^1.武汉理工大学，现代汽车零部件技术湖北省重点实验室，武汉 430070
^2.武汉理工大学，汽车零部件技术湖北省协同创新中心，武汉 430070
^3.能源与智能网联车工程技术研究中心，武汉 430070

收稿日期:2023-12-27 修回日期:2024-02-28 出版日期:2024-07-25 发布日期:2024-07-22
通讯作者: 胡杰 E-mail:auto_hj@163.com
基金资助:
广西科技重大专项(2023AA03009)

Research on Early Fault Diagnosis of Lithium Battery Based on WOA-VMD and Shannon Entropy

Jie Hu^1,^2,³(),Yayu Cheng^1,^2,³,Hai Yu^1,^2,³,Chaoming Jia^1,^2,³,Haihua Qing^1,^2,³

^1.Wuhan University of Technology，Hubei Key Laboratory of Modern Automotive Parts Technology，Wuhan 　430070
^2.Wuhan University of Technology，Hubei Collaborative Innovation Center for Automotive Parts Technology，Wuhan 　430070
^3.Hubei Engineering Technology Research Center for New Energy and Intelligent Connected Vehicles，Wuhan 　430070

Received:2023-12-27 Revised:2024-02-28 Online:2024-07-25 Published:2024-07-22
Contact: Jie Hu E-mail:auto_hj@163.com

摘要/Abstract

摘要：

针对当前电池管理系统无法诊断早期故障的问题，本文提出了一种基于WOA-VMD和香农熵的锂电池早期故障诊断方法。首先引入鲸鱼优化算法对变分模态分解算法进行参数寻优，提高变分模态分解算法的分解效果，使之分解得到包含更多故障特征信息的本征模态函数分量，再对单体电池电压信号进行分解重构，减少测量噪声和额外激励电压造成的影响。进而采用滑动窗口计算单体电压的香农熵极差和单体电压离差的总体香农熵，设置合适的阈值进行早期故障诊断。经过实际车辆数据验证，该方法可以提前10 min左右进行故障预警，且对于无故障车辆不会产生虚假预警，具有较强的鲁棒性和可靠性。

关键词: 鲸鱼算法, 变分模态分解算法, 香农熵, 故障诊断

Abstract:

A lithium battery early fault diagnosis method based on WOA-VMD and Shannon entropy is proposed in this paper to solve the problem of current battery management systems being unable to diagnose early faults. Firstly， the whale optimization algorithm is introduced to optimize the parameters of the variational mode decomposition algorithm to improve its decomposition performance and obtain intrinsic mode function components containing more fault feature information. Then， the voltage signal of the individual battery is decomposed and reconstructed to reduce the impact of measurement noise and additional excitation voltage. Furthermore， a sliding window is used to calculate the Shannon entropy range of individual voltage and the overall Shannon entropy of individual voltage dispersion to set appropriate thresholds for early fault diagnosis. After verification with actual vehicle data， this method can provide fault warning about 10 minutes in advance without generating false warnings for vehicles without faults. It has strong robustness and reliability.

Key words: whale optimization algorithm, variational mode decomposition algorithm, Shannon entropy, fault diagnosis

胡杰,程雅钰,余海,贾超明,卿海华. 基于WOA-VMD和香农熵的锂电池早期故障诊断研究[J]. 汽车工程, 2024, 46(7): 1189-1196.

Jie Hu,Yayu Cheng,Hai Yu,Chaoming Jia,Haihua Qing. Research on Early Fault Diagnosis of Lithium Battery Based on WOA-VMD and Shannon Entropy[J]. Automotive Engineering, 2024, 46(7): 1189-1196.

图/表 14

图1

表1

图2

图3

图4

图5

图6

表2

电池故障分级准则"

香农熵极差 $S E i d e v$	总体香农熵 $S E i t o t a l$	诊断结果
$S E i d e v < 2$	$S E i t o t a l < 4.7$	正常
$S E i d e v < 2$	$S E i t o t a l > 4.7$	一级预警
$S E i d e v > 2$	$S E i t o t a l < 4.7$	一级预警
$S E i d e v > 2$	$S E i t o t a l > 4.7$	二级预警

表2

图7

表3

图8

图9

图10

图11

参考文献 15

1	武美君.基于数据驱动与有向图模型的动力电池系统故障诊断研究［D］. 武汉：武汉理工大学，2021.
	WU M J. Research on fault diagnosis of power battery system based on data-driven and directed graph models ［D］. Wuhan： Wuhan University of Technology，2021.
2	刘晓俊. 电池故障智能诊断系统的研究与实现［D］. 北京：北京邮电大学，2011.
	LIU X J. Research and application of intelligent battery fault diagnosis system ［D］. Beijing： Beijing University of Posts and Telecommunications， 2011.
3	马宗钰，兰海潮，宋若旸，等. 基于支持向量机的动力电池故障诊断［J］. 汽车实用技术， 2021， 46（2）： 5-7.
	MA Z Y， LAN H C， SONG R Y， et al. Power battery fault diagnosis based on Support Vector Machine ［J］. Practical Automotive Technology， 2021， 46 （2）： 5-7.
4	MARCICKI J， ONORI S， RIZZONI G. Nonlinear fault detection and isolation for a lithium-ion battery management system［C］.ASME 2010 Dynamic Systems and Control Conference， Volume 1. Cambridge， Massachusetts， USA： ASMEDC， 2010： 607-614.
5	MASRI B A， SHEIKH H A， MOUBAYED N. Sensor fault detection of lithium-ion batteries based on extended Kalman filter［C］.2020 International Conference on Electrical， Communication， and Computer Engineering （ICECCE）. Istanbul， Turkey： IEEE， 2020： 1-5.
6	曾港辉. 锂离子电池微过充电化学-热耦合模拟与安全预警研究［D］. 长沙：湖南大学， 2022.
	ZENG G H. Electrochemical thermal coupling simulation and safety warning for slight overcharge of lithium-ion battery ［D］. Changsha：Hunan University， 2022.
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	YAO L， XIAO Y Q， GONG X Y， et al. A novel intelligent method for fault diagnosis of electric vehicle battery system based on wavelet neural network［J］. Journal of Power Sources， 2020， 453： 227870.
9	YAO L， FANG Z P， XIAO Y Q， et al. An intelligent fault diagnosis method for lithium battery systems based on grid search support vector machine［J］. Energy， 2021， 214： 118866.
10	HONG J C， WANG Z P， YAO Y T. Fault prognosis of battery system based on accurate voltage abnormity prognosis using long short-term memory neural networks［J］. Applied Energy， 2019， 251： 113381.
11	WANG J， ZHANG S L， HU X. A fault diagnosis method for lithium-ion battery packs using improved RBF neural network［J］. Frontiers in Energy Research， 2021， 9： 702139.
12	LI D， ZHANG Z S， LIU P， et al. DBSCAN-based thermal runaway diagnosis of battery systems for electric vehicles［J］. Energies， 2019， 12（15）： 2977.
13	LI X Y， DAI K W， WANG Z P， et al. Lithium-ion batteries fault diagnostic for electric vehicles using sample entropy analysis method［J］. Journal of Energy Storage， 2020， 27： 101121.
14	DRAGOMIRETSKIY K， ZOSSO D. Variational mode decomposition［J］. IEEE Transactions on Signal Processing， 2014， 62（3）： 531-544.
15	MIRJALILI S， LEWIS A. The whale optimization algorithm［J］. Advances in Engineering Software， 2016， 95： 51-67.

数据字段名称	数据说明
total_volt	总电压/V
total_current	总电流/A
cell_volt_list	单体电池电压值列表
cell_temp_list	单体电池温度值列表
max_cell_volt	单体电池电压最高值/V
min_cell_volt	单体电池电压最低值/V
alarm_info	通用报警标志
max_alarm_lvl	最高报警等级

故障车辆	故障类型	预警时间
1号车	单体电池欠压	8 min 56 s
2号车	单体电池过压	11 min 02 s
6号车	车载储能装置过压	9 min 23 s
7号车	单体电池欠压、电池单体一致性差	8 min 24 s

[1]	陈吉清,冯雨佳,兰凤崇,王平. 基于1dCNN-LSTM量化单体异常性的动力电池故障诊断方法[J]. 汽车工程, 2024, 46(7): 1177-1188.
[2]	王建平,马建,孟德安,赵轩,边琦,张凯,刘启全. 基于EMD-SDP图像特征和改进DenseNet车用PMSM故障诊断[J]. 汽车工程, 2024, 46(4): 703-716.
[3]	张鹏博, 陈仁祥, 邵毅明, 孙世政, 闫凯波. 纯电动汽车电驱动系统故障诊断研究进展[J]. 汽车工程, 2024, 46(1): 61-74.
[4]	洪吉超,梁峰伟,杨海旭,李克瑞. 大数据驱动动力电池智能安全管理与控制方法研究[J]. 汽车工程, 2023, 45(10): 1845-1861.
[5]	徐璞磊,蔡英凤,廉玉波,孙晓强,王海,陈龙,钟益林. 基于改进分层可拓理论的智能汽车AFS/DYC协调控制[J]. 汽车工程, 2023, 45(1): 20-31.
[6]	张奇祥,靳立强,靳博豪,张伊晗,陈鹏飞,刘永腾,李建华. EMB夹紧力控制与传感器故障诊断研究进展[J]. 汽车工程, 2022, 44(5): 736-746.
[7]	于海,邓钧君,王震坡,孙逢春. 基于卷积神经网络的逆变器故障诊断方法[J]. 汽车工程, 2022, 44(1): 142-152.
[8]	靳莹,乔新勇,顾程,郭浩,宁初明. 基于Res⁃CNN和燃油压力波的柴油机喷油器故障诊断方法[J]. 汽车工程, 2021, 43(6): 943-951.
[9]	张莉,高兴奇,张健豪. 基于平均-差异模型的电池组短路电流估计[J]. 汽车工程, 2021, 43(11): 1702-1709.
[10]	朱绍鹏, 傅琪涛, 黄小燕, 王志威, 杨兴浩. 分布式四驱电动汽车电机故障诊断及失效控制^*[J]. 汽车工程, 2020, 42(9): 1284-1291.
[11]	张阳阳, 贾云献, 吴巍屹, 苏小波, 时晓文. 概率神经网络在车辆齿轮箱典型故障诊断中的应用^*[J]. 汽车工程, 2020, 42(7): 972-977.
[12]	彭运赛, 夏飞, 袁博, 王志成, 罗志疆. 基于改进CNN和信息融合的动力电池组故障诊断方法^*[J]. 汽车工程, 2020, 42(11): 1529-1536.
[13]	赵治国, 付十豪, 姜斯文, 陈家毅. 干式DCT同步器作动电机位置传感器故障诊断^*[J]. 汽车工程, 2020, 42(11): 1585-1594.
[14]	陈奇, 汪金成, QadeerAhmed, 姚志刚, 陈无畏. 基于模型的汽车电动助力转向系统故障诊断[J]. 汽车工程, 2019, 41(7): 839-850.
[15]	周小龙, 刘薇娜, 姜振海, 马风雷. 变分模态分解的Volterra模型和形态学分形维数在发动机故障诊断中的应用^*[J]. 汽车工程, 2019, 41(12): 1442-1449.

基于WOA-VMD和香农熵的锂电池早期故障诊断研究

Research on Early Fault Diagnosis of Lithium Battery Based on WOA-VMD and Shannon Entropy

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 14

参考文献 15

相关文章 15

Metrics

本文评价

推荐阅读 0