本專利涉及電池安全技術(shù)領(lǐng)域，特別是涉及動力電池在發(fā)生外部短路故障時的漏液在線監(jiān)測方法和裝置。

技術(shù)背景

鋰離子電池目前已經(jīng)作為動力電源而廣泛應(yīng)用在了多種電氣設(shè)備中，然而，隨著鋰離子電池的迅速普及，引發(fā)的電池安全問題也日益凸顯。電池的安全性已經(jīng)成為了一個亟待解決的問題。鋰離子電池容易發(fā)生多種電池故障，例如電池過充、短路等，嚴(yán)重時會導(dǎo)致電池過熱、自燃、甚至爆炸。

當(dāng)動力電池發(fā)生外部短路故障時，可能會出現(xiàn)電池漏液現(xiàn)象。電池是否漏液，很大程度上影響到電池在外部短路故障中的電熱特性。漏液的電池，往往會伴隨著更高的溫升，并迅速波及周圍臨近的電池，產(chǎn)生嚴(yán)重的后果。盡管漏液現(xiàn)象是可以用眼睛觀測到的，然而由于實時控制的環(huán)境下操作者并不能隨時打開電池箱進行觀測，及時且準(zhǔn)確的判斷電池是否漏液成為亟待解決的技術(shù)難題。

技術(shù)實現(xiàn)要素：

針對以上問題，本發(fā)明公開了一種電池短路漏液在線監(jiān)測方法和裝置。該方法和裝置通過監(jiān)測電池初始荷電狀態(tài)(soc)、環(huán)境溫度、電池放電量以及電池的溫升速率，來進行漏液狀態(tài)的在線識別。本發(fā)明引入了智能分類算法、適用性強，易于在線實施，不需要打開電池箱來觀察即可判別電池是否發(fā)生了漏液現(xiàn)象。

本發(fā)明的電池短路漏液在線監(jiān)測方法，依次包括以下步驟：

第a步，采集當(dāng)前時刻所述電池的電壓值u；

第b步，比較第a步所測電壓值u與電池短路電壓閾值us之間的大小關(guān)系，若u≤us，進入第c步，否則，重復(fù)第a步，其中，電池短路電壓閾值us的選取須低于電池放電下截止電壓。

第c步，開始計時，初始化系統(tǒng)的采樣時間間隔δt，時刻標(biāo)記k＝0以及初始時刻t0＝0；

第d步，采集t0時刻電池環(huán)境溫度t0、電池正極附近溫度t1,0、電池負(fù)極附近溫度t2,0，以及電流i0，并估計t0時刻電池soc0；

第e步，進入下一時刻，更新公式如下：

第f步，采集tk時刻電池正極附近溫度t1,k、電池負(fù)極附近溫度t2,k以及電流ik；

第g步，計算從t0時刻至tk時刻電池的累計放電量qk，計算公式如下：

第h步，計算tk時刻電池的平均溫升速率δk，計算公式如下：

第i步，比較當(dāng)前時刻tk與漏液時間閾值ts之間的大小關(guān)系，若tk≥ts，進入第j步，否則返回第e步；

第j步，以qk、δk、t0、soc0作為輸入，計算電池是否漏液。

優(yōu)選地、第j步中，利用模糊神經(jīng)網(wǎng)絡(luò)判斷電池是否漏液。

優(yōu)選地、以qk、δk、t0、soc0作為輸入，計算模糊神經(jīng)網(wǎng)絡(luò)的輸出γ；

優(yōu)選地、所述的模糊神經(jīng)網(wǎng)絡(luò)包含bp神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)兩個模塊，bp神經(jīng)網(wǎng)絡(luò)根據(jù)qk與δk給出電池的漏液預(yù)估量模糊系統(tǒng)根據(jù)電池故障的初始soc狀態(tài)soc0與環(huán)境溫度t0計算電池漏液監(jiān)測的修正因子μ；

所述輸出γ計算公式如下：

優(yōu)選地、還包括第k步，根據(jù)第j步的輸出量γ計算電池漏液的監(jiān)測結(jié)果ψ，計算公式如下：

其中，γ0為漏液故障分類閾值，計算公式如下：

其中，為bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本中未漏液電池樣本的輸出值，為bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本中漏液電池樣本的輸出值；

優(yōu)選地、所述bp神經(jīng)網(wǎng)絡(luò)為：

設(shè)置兩個以上實驗環(huán)境溫度、兩個以上初始實驗soc狀態(tài)，在每個所述實驗環(huán)境溫度和所述初始實驗soc狀態(tài)下分別設(shè)置至少一個電池實驗樣本；

強制觸發(fā)所有所述電池實驗樣本的短路故障，并在所述短路故障的過程中以采樣時間間隔δt采集電池實驗樣本的電壓值、電流、溫度，記錄漏液結(jié)果及對應(yīng)的漏液時刻；

根據(jù)實驗樣本的漏液時刻，確定漏液時間閾值ts，其中ts的選取在保證小于所有實驗樣本漏液時刻的最小值的前提下，選取越小，監(jiān)測響應(yīng)越快，選取越大，監(jiān)測結(jié)果越準(zhǔn)確；

計算所有所述電池實驗樣本在ts時刻的實驗累計放電量和實驗平均溫升速率；

基于所述漏液結(jié)果，構(gòu)建bp神經(jīng)網(wǎng)絡(luò)輸出層的訓(xùn)練樣本，對于未漏液的樣本，對于出現(xiàn)漏液的樣本，

以所述實驗累計放電量和實驗平均溫升速率作為bp神經(jīng)網(wǎng)絡(luò)的兩個輸入維度，為bp神經(jīng)網(wǎng)絡(luò)的輸出，構(gòu)建訓(xùn)練樣本并實施訓(xùn)練，得到訓(xùn)練好的bp神經(jīng)網(wǎng)絡(luò)。

本發(fā)明還涉及利用前述方法的監(jiān)測裝置，包括：

至少兩個溫度傳感器，分別安裝在電池正負(fù)兩極附近；

環(huán)境溫度測試系統(tǒng)，感測電池環(huán)境溫度；

電流傳感器、電壓傳感器、數(shù)據(jù)采集系統(tǒng)與控制系統(tǒng)。。

所述溫度傳感器、電流傳感器、電壓傳感器與環(huán)境溫度測試系統(tǒng)的信號經(jīng)由數(shù)據(jù)采集系統(tǒng)處理后傳送至控制系統(tǒng)，同時，控制系統(tǒng)亦向數(shù)據(jù)采集系統(tǒng)發(fā)送指令。

附圖說明

圖1動力電池短路漏液在線監(jiān)測裝置示意圖

圖2動力電池短路漏液在線監(jiān)測方法流程圖

圖3本發(fā)明的模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

圖4模糊系統(tǒng)輸入和輸出的模糊子集分布圖

圖5驗證樣本對應(yīng)的模糊神經(jīng)網(wǎng)絡(luò)輸出圖

具體實施方式

下面結(jié)合附圖對本發(fā)明內(nèi)容進行詳細(xì)介紹。

本發(fā)明的電池不限于車輛用動力電池，也不限于鋰離子電池。

圖1所示為本發(fā)明的在線監(jiān)測裝置示意圖，主要包括至少兩個溫度傳感器、電流傳感器、電壓傳感器、環(huán)境溫度測試系統(tǒng)、數(shù)據(jù)采集系統(tǒng)與控制系統(tǒng)。所述的溫度傳感器分別安裝在動力電池正負(fù)兩極附近；電流傳感器與動力電池工作電路串聯(lián)；電壓傳感器與動力電池并聯(lián)；環(huán)境溫度測試系統(tǒng)安裝在動力電池工作電路附近。所述監(jiān)測系統(tǒng)運行過程中，溫度傳感器、電流傳感器、電壓傳感器與環(huán)境溫度測試系統(tǒng)的信號經(jīng)由數(shù)據(jù)采集系統(tǒng)處理后傳送至控制系統(tǒng)，同時，控制系統(tǒng)亦向數(shù)據(jù)采集系統(tǒng)發(fā)送指令。

圖2為本發(fā)明的在線監(jiān)測方法流程圖，在線監(jiān)測方法具體包括以下步驟：

第a步，實時采集動力電池的電壓值u；

第b步，比較第a步所測電壓值u與動力電池短路電壓閾值us之間的大小關(guān)系，若u≤us，進入第c步，否則，重復(fù)第a步；其中，動力電池短路電壓閾值us的選取須低于動力電池放電下截止電壓。

第c步，開始計時，初始化系統(tǒng)的采樣時間間隔δt，時刻標(biāo)記k＝0以及初始時刻t0＝0；

第d步，采集t0時刻動力電池環(huán)境溫度t0、動力電池正極附近溫度t1,0、動力電池負(fù)極附近溫度t2,0，以及電流i0，并估計t0時刻動力電池soc0，動力電池soc的估計可以利用本領(lǐng)域公知的方法，如安時計數(shù)法、端電壓估計法、卡爾曼濾波估計法等；其中所述電池環(huán)境溫度t0由環(huán)境溫度測試系統(tǒng)獲得，動力電池正極附近溫度t1,0、動力電池負(fù)極附近溫度t2,0分別由安裝在動力電池正負(fù)兩極附近的溫度傳感器獲得。

第e步，進入下一時刻，更新公式如下：

第f步，采集tk時刻動力電池正極附近溫度t1,k、t2,k以及電流ik；

第g步，計算從t0時刻至tk時刻動力電池的累計放電量qk，計算公式如下：

第h步，計算tk時刻動力電池的平均溫升速率δk，計算公式如下：

第i步，比較當(dāng)前時刻tk與漏液時間閾值ts之間的大小關(guān)系，若tk≥ts，進入第j步，否則返回第e步；漏液時間閾值ts根據(jù)所有實驗樣本的最小漏液時刻的最小值確定

第j步，以qk、δk以及第d步所得的t0、soc0作為輸入，計算模糊神經(jīng)網(wǎng)絡(luò)的輸出γ；

其中，所述的模糊神經(jīng)網(wǎng)絡(luò)包含bp神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)兩個模塊，bp神經(jīng)網(wǎng)絡(luò)根據(jù)qk與δk給出動力電池的漏液預(yù)估量模糊系統(tǒng)根據(jù)動力電池故障的初始soc狀態(tài)soc0與環(huán)境溫度t0計算動力電池漏液監(jiān)測的修正因子μ。所述的模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖3，輸出計算公式如下：

第k步，根據(jù)第j步的輸出量γ計算動力電池漏液的監(jiān)測結(jié)果ψ，計算公式如下：

其中，γ0為漏液故障分類閾值計算公式如下：

其中，為bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本中未漏液電池樣本的輸出值，為bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本中漏液電池樣本的輸出值。

下面結(jié)合實驗例對本發(fā)明進行詳細(xì)說明，實施例中采用某公司18650型鋰離子動力電池，本實施例對本發(fā)明不構(gòu)成限定。

步驟一，實時采集動力電池的電壓值u；

步驟二，比較步驟一所測電壓值u與動力電池短路電壓閾值us之間的大小關(guān)系，若u≤us，進入步驟三，否則，重復(fù)步驟一，us的選取須低于本實施例中動力電池的放電下截止電壓2.5v，這里us取1.0v；

步驟三，開始計時，初始化系統(tǒng)的采樣時間間隔δt，時刻標(biāo)記k＝0以及初始時刻t0＝0，本實施例中δt取2.48s；

步驟四，采集t0時刻動力電池環(huán)境溫度t0、動力電池正負(fù)極附近溫度t1,0、t2,0以及電流i0，并估計t0時刻動力電池soc0。

以安時計數(shù)法估計動力電池soc為例，計算公式如下：

其中，c為ls1865sd型動力電池的標(biāo)稱容量，本實施例中c＝2.0ah；

步驟五，進入下一時刻并根據(jù)公式(12)更新時刻和時刻標(biāo)記；

步驟六，采集tk時刻動力電池正負(fù)極附近溫度t1,k、t2,k以及電流ik；

步驟七，根據(jù)公式(13)計算從t0時刻至tk時刻動力電池的累計放電量qk；

步驟八，根據(jù)公式(14)計算tk時刻動力電池的平均溫升速率δk，

步驟九，比較當(dāng)前時刻tk與漏液時間閾值ts之間的大小關(guān)系，若tk≥ts，進入步驟十，否則返回步驟五，本實施例中ts＝9.92s；漏液時間閾值ts根據(jù)所有電池實驗樣本，即所有的18650鋰離子動力電池的實驗樣本，漏液時刻的最小值為23s來確定，這里ts取9.92s；

步驟十，以qk、δk及步驟四所得的t0、soc0作為輸入，計算模糊神經(jīng)網(wǎng)絡(luò)的輸出γ；

步驟十一，根據(jù)模糊神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果γ計算動力電池漏液的監(jiān)測結(jié)果ψ，本實施例中，取0，取1，由公式(17)計算漏液分類閾值γ0為0.5。

其中，所述的模糊神經(jīng)網(wǎng)絡(luò)構(gòu)建的具體步驟如下：

步驟1，確定動力電池外部短路實驗樣本，本實施例中，選用了3個實驗環(huán)境溫度(20℃、30℃及45℃)，每個環(huán)境溫度下分別設(shè)置了5個初始soc狀態(tài)(20％、40％、60％、80％及100％)，在每個特定的溫度和初始soc狀態(tài)下分別設(shè)置了2個動力電池樣本，見表1；

表1動力電池外部短路實驗樣本編號對照表

步驟2，對步驟1中的所有樣本實施外部短路試驗，外部短路試驗強制觸發(fā)電池樣本的短路故障并在故障的過程中以采樣時間間隔δt采集電壓、電流及溫度數(shù)據(jù)，最后記錄漏液結(jié)果及對應(yīng)的漏液時刻，該漏液結(jié)果指有無漏液情況發(fā)生；

步驟3，確定漏液時間閾值ts，本實施例中所有實驗樣本漏液時刻的最小值為23s，這里ts取9.92s；

步驟4，根據(jù)公式(13)和(14)分別計算各樣本在漏液時間閾值ts＝9.92s的累計放電量q和平均溫升速率δ，計算結(jié)果見表2～4；

表220℃外部短路實驗計算結(jié)果

表330℃外部短路實驗計算結(jié)果

表445℃外部短路實驗計算結(jié)果

步驟5，構(gòu)建bp神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)為由輸入層、隱含層和輸出層組成的三層結(jié)構(gòu)，其中輸入層節(jié)點數(shù)n1為2，輸出層節(jié)點數(shù)n3為1，隱含層節(jié)點數(shù)n2計算公式如下：

n2∈整數(shù)(19)

其中，α可取1～10之間的整數(shù)，在本實施例中，n2取5；

步驟6，基于步驟2所記錄的電池漏液結(jié)果，構(gòu)建bp神經(jīng)網(wǎng)絡(luò)輸出的訓(xùn)練樣本，對于未漏液的樣本，對于出現(xiàn)漏液的樣本，

步驟7，以步驟4中各樣本的q和δ分別作為bp神經(jīng)網(wǎng)絡(luò)的兩個輸入維度，步驟6所得的為bp神經(jīng)網(wǎng)絡(luò)的輸出，構(gòu)建訓(xùn)練樣本并實施訓(xùn)練，得到已訓(xùn)練好的bp神經(jīng)網(wǎng)絡(luò)，本實施例的訓(xùn)練誤差精度設(shè)為10^-6，采用levenberg-marquardt學(xué)習(xí)算法，hessian矩陣可以近似表示為：

h＝j(luò)^tj(20)

梯度的計算表達(dá)式為：

g＝j(luò)^te(21)

其中，h是包含網(wǎng)絡(luò)誤差函數(shù)對權(quán)值和閾值一階導(dǎo)數(shù)的雅克比矩陣，j為雅克比矩陣，e是網(wǎng)絡(luò)的誤差向量。

訓(xùn)練的迭代計算公式如下：

x(k+1)＝x(k)-[j^tj+μi]^-1j^te(22)

其中，k為迭代次數(shù)，x(k)為第k次迭代各層之間的連接權(quán)向量或閾值向量，i為單位矩陣，系數(shù)μ在每一次成功的迭代后(誤差性能減少)減少，在進行嘗試性迭代后的誤差性能增加的情況下增大；

步驟8，定義雙輸入-單輸出的模糊系統(tǒng)，其中，動力電池初始soc狀態(tài)soc0與環(huán)境溫度t0為模糊系統(tǒng)輸入的兩個維度，漏液監(jiān)測修正因子μ為模糊系統(tǒng)的輸出，論域設(shè)置如下：

步驟9，設(shè)置模糊系統(tǒng)輸入和輸出的模糊子集分布，如圖4；

步驟10，建立模糊規(guī)則：(1)如果soc0為l，t0為l，則μ為l；(2)如果soc0為m，t0為m，則μ為m；(3)如果soc0為h，t0為h，則μ為h；

步驟11，設(shè)置反模糊化計算，本實施例中采用面積中心法作為反模糊化計算方法，模糊集合代表值ucen表達(dá)式如下：

其中，離散論域d＝{u1,u2,…,un}，uj處的隸屬度為a(uj)。

為了驗證模糊神經(jīng)網(wǎng)絡(luò)的應(yīng)用效果，本實施例選取了6個與訓(xùn)練樣本相同型號的電池樣本對本發(fā)明進行實驗驗證，驗證樣本的檢測結(jié)果對照見表5，各樣本對應(yīng)的模糊神經(jīng)網(wǎng)絡(luò)輸出值如圖5，可見，本發(fā)明能夠準(zhǔn)確監(jiān)測各樣本的漏液現(xiàn)象。

表5電池驗證樣本監(jiān)測結(jié)果對照表

以上所述，僅是本發(fā)明較佳實施例而已，并非對本發(fā)明作任何形式上的限制，雖然本發(fā)明以較佳實施例公開如上，然而并非用以限定本發(fā)明，任何熟悉本專業(yè)的技術(shù)人員，在不脫離本發(fā)明技術(shù)方案范圍內(nèi)，當(dāng)利用上述揭示的技術(shù)內(nèi)容作出些許變更或修飾為等同變化的等效實施例，但凡是未脫離本發(fā)明技術(shù)方案內(nèi)容，依據(jù)本發(fā)明技術(shù)是指對以上實施例所作的任何簡單修改、等同變化與修飾，均屬于本發(fā)明技術(shù)方案的范圍內(nèi)。