一种锂离子电池单体内短路检测方法

1.本发明属于电池故障检测技术领域，具体涉及一种适用于锂离子电池单体的内短路检测方法。


背景技术：

2.随着锂离子电池与电动汽车的推广和普及，由电池热失控导致的电动汽车起火事故常有发生，内短路作为热失控的重要诱因之一，须在必要时对其实现快速准确地检测。现有技术中对于锂离子电池内短路的检测方法大致分为以下几类：1)阈值法：通过判断电池电压、温度、电压变化率或温度变化率是否超过预设阈值，进而实现内短路检测；2)电量消耗法：通过准确的soc估计过程获取电池实际消耗电量，并与使用电量(输出端电流积分)比较，获取电池漏电情况而实现检测；3)剩余可充电容量法：通过相邻两次充电过程的剩余可充电容量之差，判断电池的漏电情况；4)对比分析法：对于串联电池组，通过对比单体电池间的电压或其他参数的一致性、相关性，实现内短路检测；5)传感器测量法：对于并联电池组，可通过环形电路拓扑结构及电路传感器实现内短路的检测。
3.然而，这些方法尚存在一些缺陷限制了其适用性或有效性，譬如阈值法于程度较轻的早期内短路往往难以识别，且受限于温度传感器的布置；电量消耗法受soc估计精度影响较大，受限于磷酸铁锂电池平坦的开路电压曲线，方法往往难以适用于磷酸铁锂电池；剩余可充电容量法则需要在充电场景下进行，对于电池放电运行情况下突发的内短路故障无能为力；对比分析法需要电芯间的相互对比，无法用于单个电芯的场景；传感器测量法依赖于电路的拓扑结构以及额外的电流传感器，适用性受限。因此，如何提供受自身限制较少、适用性广且更为精确的内短路检测方式，是本领域中亟待解决的技术问题。


技术实现要素：

4.针对上述本领域中存在的技术问题，本发明提供了一种锂离子电池单体内短路检测方法，具体包括以下步骤：
5.s1、对电池单体开展小倍率放电测试，分别获取电池单体的开路电压ocv、放出容量q与荷电状态soc之间的关系；
6.s2、根据步骤s1获取的ocv与q之间关系，计算docv/dq的标准值；
7.s3、对目标锂离子电池实时测量其电压与电流数据；
8.s4、对所述目标锂离子电池建立考虑内短路情况的等效电路模型，利用经步骤s3测量得到的电压与电流数据，基于带遗忘因子的递归最小二乘法在线辨识模型参数，并计算开路电压；
9.s5、针对开路电压、放电容量以及docv/dq三者之间的线性关系，利用由步骤s4辨识出的开路电压以及测量得到的累计放电容量，基于递归最小二乘法和限定记忆递归最小二乘法实时更新计算docv/dq值；
10.s6、将由s5计算得到的docv/dq值与步骤s2得到的ocv/dq标准值进行对比，当两者
差值超过预设阈值时，认定发生内短路故障，否则返回s3继续执行下一时刻的检测。
11.进一步地，步骤s1中开展的小倍率放电测试具体过程包括：首先以恒流恒压方式将电池单体充电至满电电量，静置3小时以上后，以小于或等于1/20c的倍率恒流放电至下截止电压；所述开路电压由放电过程中的端电压进行等效；所述放电测试还包括针对相同电池单体分别在不同温度下重复开展，以获得不同温度下电池开路电压的情况；所述方程容量q与荷电状态soc之间的关系利用安时积分法计算。
12.进一步地，步骤s2中计算docv/dq的标准值的计算方式包括以下几种：
13.1)以放出容量q为自变量，开路电压ocv为因变量，求取不同自变量下对应的导数得到相应的docv/dq的标准值；
14.2)根据电池总容量以及开路电压ocv与soc之间的关系，采用样条采样与求导并转换为docv/dq标准值结果；
15.上述docv/dq的标准值计算方式均包括针对不同温度条件分别进行计算。
16.进一步地，步骤s4具体包括以下步骤：
17.1)从rint模型、一阶rc模型、二阶rc模型等中选择其中一种建立考虑内短路情况的等效电路模型；
18.2)根据步骤s3测得的电压与电流数据并基于带遗忘因子的递归最小二乘法对等效电路模型的模型参数进行辨识，过程如下：
[0019][0020]
式中，μ为遗忘因子，通常取0.95＜μ＜1；为输入数据向量，为待辨识的参数向量，上标λ表示对应参数的估计值，为输出；k
ls,k
为rls增益，p
ls,k
为协方差矩阵，i为单位矩阵，k表示当前时刻；
[0021]
3)计算辨识后的等效电路模型开路电压
[0022]
进一步地，步骤s5具体包括以下过程：
[0023]
1)设置记忆窗口长度l；
[0024]
2)用线性方程描述开路电压、放电容量以及docv/dq三者之间的线性关系，式中yk＝u
ocv,k
，q
ah,k
为安时积分获取的累计放出容量，参数向量θ＝[α β]
t
，其中α项即为docv/dq，下标k表示当前时刻；
[0025]
3)利用计算的与q
ah,k
，在k≤l时，采用递归最小二乘法对参数向量θ进行更新，如下式所示：
[0026][0027]
在k＞l时，采用限定记忆递归最小二乘法对参数向量θ进行更新，包括以下两个过程：
[0028]
1)引入新数据，如下式所示：
[0029][0030]
式中，p
ls,k-l,k-1
及分别表示由k-l至k-1时刻共l组测量数据所形成的协方差矩阵及参数向量估计值；p
ls,k-l,k
及则分别表示由k-l至k时刻共l+1组测量数据所形成的协方差矩阵及参数向量估计值；k
ls,k-l,k
为增益；
[0031]
2)剔除旧数据，如下式所示：
[0032][0033]
式中，p
ls,k-l+1,k
及分别表示由k-l+1至k时刻共l组测量数据所形成的协方差矩阵及参数向量估计值；k
ls,k-l+1,k
为增益，即为当前时刻需要更新的辨识值。
[0034]
进一步地，步骤s6具体包括：
[0035]
1)利用实测数据基于安时积分法计算目标锂离子电池的soc，结合步骤s2中得到的docv/dq标准值与soc之间关系，确定当前k时刻下的docv/dq标准值；
[0036]
2)将k时刻经步骤s5计算的docv/dq与k-l/2时刻的标准值进行延时对比，确定是否发生内短路情况。
[0037]
上述本发明所提供的锂离子电池单体内短路检测方法，相对于现有技术至少具有以下有益效果：
[0038]
1、本方法无需基于模型的soc估计过程，避免了所选模型自身缺陷对精度造成的不良影响且计算量小，具有很高的实用性。
[0039]
2、待检测电池当前的docv/dq采用lmrls实时更新，大幅减小了计算量及数据存储量。
[0040]
3、本方法对内短路的检测过程不依赖温升现象，因此不会受到温度传感器自身规格指标及安装位置等的限制。
[0041]
4、由于不依赖电芯间的数据或参数对比，因此本方法既适用于单个电芯又适用于
成组的场景。
[0042]
5、本方法尤其对开路电压曲线平坦的磷酸铁锂电池具有较高的适用性。
附图说明
[0043]
图1为本发明所提供方法的整体步骤流程；
[0044]
图2为本发明实施例中获取的ocv与soc的关系曲线及docv/dq与soc的关系曲线；
[0045]
图3为本发明实施例中选用的考虑内短路的一阶rc模型示意图；
[0046]
图4为本发明的具体实例中在无短路条件下的检测结果；
[0047]
图5为本发明的具体实例中在内短路条件下的检测结果。
具体实施方式
[0048]
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0049]
本发明所提供的一种锂离子电池单体内短路检测方法，如图1所示，具体包括以下步骤：
[0050]
s1、对电池单体开展小倍率放电测试，分别获取电池单体的开路电压ocv、放出容量q与荷电状态soc之间的关系；
[0051]
s2、根据步骤s1获取的ocv与q之间关系，计算docv/dq的标准值；
[0052]
s3、对目标锂离子电池实时测量其电压与电流数据；
[0053]
s4、对所述目标锂离子电池建立考虑内短路情况的等效电路模型，利用经步骤s3测量得到的电压与电流数据，基于带遗忘因子的递归最小二乘法在线辨识模型参数，并计算开路电压；
[0054]
s5、针对开路电压、放电容量以及docv/dq三者之间的线性关系，利用由步骤s4辨识出的开路电压以及测量得到的累计放电容量，基于递归最小二乘法和限定记忆递归最小二乘法实时更新计算docv/dq值；
[0055]
s6、将由s5计算得到的docv/dq值与步骤s2得到的ocv/dq标准值进行对比，当两者差值超过预设阈值时，认定发生内短路故障，否则返回s3继续执行下一时刻的检测。
[0056]
在本发明的一个优选实施方式中，步骤s1中开展的小倍率放电测试具体过程包括：首先以恒流恒压方式将电池单体充电至满电电量，静置3小时以上后，以1/20c倍率恒流放电至下截止电压2.5v；由于放电倍率较低，将采集得到的电压视为电池ocv；放出容量与soc则根据采集的电流数据利用安时积分法进行计算。图2中实线给出了ocv与soc的关系。
[0057]
在本发明的一个优选实施方式中，步骤s2中首先通过平滑样条曲线拟合及求导的方式首先获取得到了docv/dq标准值与放出容量的关系，并进一步根据电池总容量，将docv/dq与放出容量的关系转换为docv/dq与soc间的关系，如图2中点划线所示。
[0058]
在本发明的一个优选实施方式中，针对待检测的目标电池在动态工况测试(dynamic stress test,dst)与美国联邦城市运行工况(federal urban driving schedule,fuds)工况下对在线检测阶段进行了测试。通过传感器实时以1hz的采样频率，实时获取电池在相应电流工况下的电流和电压数据。
[0059]
在本发明的一个优选实施方式中，步骤s4具体包括以下步骤：
[0060]
1)选择如图3所示的一阶rc模型(含短路电阻)建立考虑内短路情况的等效电路模型，如下式所示：
[0061][0062]
式中，t表示时间；u
t
,u
ocv
,u1分别表示电池端电压、开路电压以及极化电压；r0为电池欧姆内阻，c1为极化电容，极化时间常数τ1＝r1c1，r1为极化内阻；i表示实际通过电池的电流，由工作电流(即测量电流)i
load
和短路电流i
sc
构成；r
sc
则表示等效内短路电阻；
[0063]
在u
ocv,k
≈u
ocv,k-1
的假设下，通过双线性变换方法将模型离散化为如下线性方程形式：
[0064][0065]
式中：yk＝u
t,k
，θk＝[(1-a1)u
ocv,k a
1 a
2 a3]
t
；δt为采样时间间隔，在未发生内短路时，i＝i
load
。
[0066]
而考虑内短路情况时，由于不可测短路电流i
sc
的存在，i的将无法被准确测量，需将输入向量中的i转换为i
load
，上述线性方程能够被转换为下述形式：
[0067][0068]
式中：
[0069][0070][0071][0072]
2)根据步骤s3测得的电压与电流数据并基于带遗忘因子的递归最小二乘法对等效电路模型的模型参数进行辨识，过程如下：
[0073][0074]
式中，μ为遗忘因子，通常取0.95＜μ＜1；为输入数据向量，为待辨识的参数向量，上标λ表示对应参数的估计值，为输出；k
ls,k
为rls增益，p
ls,k
为协方差矩阵，i为
单位矩阵，k表示当前时刻；
[0075]
为提升方法的性能，本实施例中遗忘因子μ根据下式进行自适应调整：
[0076][0077]
式中，c表示电池容量，|ik|/c表明了电池当前的电流倍率情况，ζ≥0则是自定义参数用以调整μk的大致数值范围；
[0078]
3)计算辨识后的等效电路模型开路电压
[0079][0080]
式中，与分别对应参数向量中的第一个元素和第二个元素。需要指出，在未发生内短路时，短路电阻r
sc
趋近于无穷大，因此上式所计算的ocv将与电池实际ocv基本相等；而在内短路发生后，根据上式计算的ocv将偏离为：
[0081][0082]
明显低于实际ocv。这种偏离现象是方法能够检测出内短路的关键要素。
[0083]
在本发明的一个优选实施方式中，步骤s5具体包括以下过程：
[0084]
1)设置记忆窗口长度l；
[0085]
2)用线性方程描述开路电压、放电容量以及docv/dq三者之间的线性关系，式中yk＝u
ocv,k
，q
ah,k
为安时积分获取的累计放出容量，参数向量θ＝[α β]
t
，其中α项即为docv/dq，下标k表示当前时刻；
[0086]
3)利用计算的与q
ah,k
，在k≤l时，采用递归最小二乘法对参数向量θ进行更新，如下式所示：
[0087][0088]
在k＞l时，采用限定记忆递归最小二乘法对参数向量θ进行更新，包括以下两个过程：
[0089]
1)引入新数据，如下式所示：
[0090]
[0091]
式中，p
ls,k-l,k-1
及分别表示由k-l至k-1时刻共l组测量数据所形成的协方差矩阵及参数向量估计值；p
ls,k-l,k
及则分别表示由k-l至k时刻共l+1组测量数据所形成的协方差矩阵及参数向量估计值；k
ls,k-l,k
为增益；
[0092]
2)剔除旧数据，如下式所示：
[0093][0094]
式中，p
ls,k-l+1,k
及分别表示由k-l+1至k时刻共l组测量数据所形成的协方差矩阵及参数向量估计值；k
ls,k-l+1,k
为增益，即为当前时刻需要更新的辨识值。
[0095]
进一步地，步骤s6具体包括：
[0096]
1)利用实测数据基于安时积分法计算目标锂离子电池的soc，结合步骤s2中得到的docv/dq标准值与soc之间关系，确定当前k时刻下的docv/dq标准值；
[0097]
2)将k时刻经步骤s5计算的docv/dq与k-l/2时刻的标准值进行延时对比(本实施例中为k-500时刻)，确定是否发生内短路情况。
[0098]
对于上述优选实施例所采用的电池，考虑到docv/dq在0-10％及93-100％soc区间内的变化过于显著，不利于内短路的检测，因此检测仅在10-93％soc这一电池常用区间内进行。
[0099]
图4及图5给出了本实施例中对方法在线检测阶段的验证结果。图4中，电池分别在dst与fuds工况下正常运行，可以看出步骤s5计算的docv/dq跟踪值与参考值始终较为接近，维持在阈值内。图5中，在电池运行过程中，通过外部并联等效负载的形式，模拟了不同程度(即不同短路电流)的内短路情况；结果显示，在短路触发后的较短时间内，步骤s5计算的docv/dq跟踪值便偏离标准值，并超过阈值而成功检测出内短路故障。尽管对程度较轻内短路(i
sc
＝5a)的检测性能有所下降。
[0100]
应理解，本发明实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0101]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

技术特征：
1.一种锂离子电池单体内短路检测方法，其特征在于：具体包括以下步骤：s1、对电池单体开展小倍率放电测试，分别获取电池单体的开路电压ocv、放出容量q与荷电状态soc之间的关系；s2、根据步骤s1获取的ocv与q之间关系，计算docv/dq的标准值；s3、对目标锂离子电池实时测量其电压与电流数据；s4、对所述目标锂离子电池建立考虑内短路情况的等效电路模型，利用经步骤s3测量得到的电压与电流数据，基于带遗忘因子的递归最小二乘法在线辨识模型参数，并计算开路电压；s5、针对开路电压、放电容量以及docv/dq三者之间的线性关系，利用由步骤s4辨识出的开路电压以及测量得到的累计放电容量，基于递归最小二乘法和限定记忆递归最小二乘法实时更新计算docv/dq值；s6、将由s5计算得到的docv/dq值与步骤s2得到的ocv/dq标准值进行对比，当两者差值超过预设阈值时，认定发生内短路故障，否则返回s3继续执行下一时刻的检测。2.如权利要求1所述的方法，其特征在于：步骤s1中开展的小倍率放电测试具体过程包括：首先以恒流恒压方式将电池单体充电至满电电量，静置3小时以上后，以小于或等于1/20c的倍率恒流放电至下截止电压；所述开路电压由放电过程中的端电压进行等效；所述放电测试还包括针对相同电池单体分别在不同温度下重复开展，以获得不同温度下电池开路电压的情况；所述方程容量q与荷电状态soc之间的关系利用安时积分法计算。3.如权利要求2所述的方法，其特征在于：步骤s2中计算docv/dq的标准值的计算方式包括以下几种：1)以放出容量q为自变量，开路电压ocv为因变量，求取不同自变量下对应的导数得到相应的docv/dq的标准值；2)根据电池总容量以及开路电压ocv与soc之间的关系，采用样条采样与求导并转换为docv/dq标准值结果；上述docv/dq的标准值计算方式均包括针对不同温度条件分别进行计算。4.如权利要求1所述的方法，其特征在于：步骤s4具体包括以下步骤：1)从rint模型、一阶rc模型、二阶rc模型中选择其中一种建立考虑内短路情况的等效电路模型；2)根据步骤s3测得的电压与电流数据并基于带遗忘因子的递归最小二乘法对等效电路模型的模型参数进行辨识，过程如下：式中，μ为遗忘因子，通常取0.95＜μ＜1；为输入数据向量，为待辨识的参数向量，上标λ表示对应参数的估计值，为输出；k
ls,k
为rls增益，p
ls,k
为协方差矩阵，i为单位
矩阵，k表示当前时刻；3)计算辨识后的等效电路模型开路电压5.如权利要求4所述的方法，其特征在于：步骤s5具体包括以下过程：1)设置记忆窗口长度l；2)用线性方程描述开路电压、放电容量以及docv/dq三者之间的线性关系，式中y
k
＝u
ocv,k
，q
ah,k
为安时积分获取的累计放出容量，参数向量θ＝[α β]
t
，其中α项即为docv/dq，下标k表示当前时刻；3)利用计算的与q
ah,k
，在k≤l时，采用递归最小二乘法对参数向量θ进行更新，如下式所示：在k＞l时，采用限定记忆递归最小二乘法对参数向量θ进行更新，包括以下两个过程：1)引入新数据，如下式所示：式中，p
ls,k-l,k-1
及分别表示由k-l至k-1时刻共l组测量数据所形成的协方差矩阵及参数向量估计值；p
ls,k-l,k
及则分别表示由k-l至k时刻共l+1组测量数据所形成的协方差矩阵及参数向量估计值；k
ls,k-l,k
为增益；2)剔除旧数据，如下式所示：式中，p
ls,k-l+1,k
及分别表示由k-l+1至k时刻共l组测量数据所形成的协方差矩阵及参数向量估计值；k
ls,k-l+1,k
为增益，即为当前时刻需要更新的辨识值。6.如权利要求1所述的方法，其特征在于：步骤s6具体包括：1)利用实测数据基于安时积分法计算目标锂离子电池的soc，结合步骤s2中得到的docv/dq标准值与soc之间关系，确定当前k时刻下的docv/dq标准值；2)将k时刻经步骤s5计算的docv/dq与k-l/2时刻的标准值进行延时对比，确定是否发
生内短路情况。

技术总结
本发明提供了一种锂离子电池单体内短路检测方法，其相比现有技术无需基于模型的SOC估计过程，避免了所选模型自身缺陷对精度造成的不良影响且计算量小。本方法中对待检测电池当前的dOCV/dQ采用LMRLS实时更新，大幅减小了计算量及数据存储量。整个内短路的检测过程不依赖温升现象，因此不会受到温度传感器自身规格指标及安装位置等的限制。由于本方法不依赖电芯间的数据或参数对比，因此既适用于单个电芯又适用于成组的场景，尤其对开路电压曲线平坦的磷酸铁锂电池具有较高的适用性。坦的磷酸铁锂电池具有较高的适用性。坦的磷酸铁锂电池具有较高的适用性。


技术研发人员：孙逢春 柴志雄 江海赋 李军求 杨子传
受保护的技术使用者：北京理工大学
技术研发日：2021.11.19
技术公布日：2022/3/7