基于决策树的异常电池分类方法

提出了一种基于决策树算法的异常电池精准定位和分类方法，帮助人们在电池维修或更换时能够迅速确定故障单体的位置和类型，从而实施准确的维修更换方法，提高故障处理的效率。搭建电池仿真模型获取异常电池的充放电循环数据；以电压数据为基础，训练用于异常电池分类的决策树算法，使用试验数据和云端实车数据对构建的模型进行验证。验证结果表明，该方法能够准确判断异常电池单体在电池组中的位置和异常类型。在不同验证数据上，该方法的分类准确率高达98%以上，能够有效筛选出动力电池组中的异常电池。该结果说明了提出的决策树算法在动力电池异常分类中的有效性和准确性。     

基于剩余充电电量的锂离子电池组容量快速估计方法

针对传统锂离子电池组容量确定方法存在的效率低、能耗高且只能离线应用等问题,提出一种基于电池剩余充电电量的锂离子电池组容量快速估计方法。首先,基于充电电压曲线一致性原理,以电池组内率先充电至充电截止电压的电池单体电压曲线为基准,通过电压曲线的平移缩放与线性插值计算出各单体电池的剩余充电电量与剩余充电时间,从而实现各单体电池的荷电状态(State of Charge, SOC)在线估计,在此基础上实现电池组容量的快速估计。其次,在电池单体模型的基础上建立电池组的仿真模型,并在全SOC区域上对模型参数进行分段辨识。通过所建立的仿真模型得到电池组的充放电曲线,并对电池组容量进行估计。最后,对4个单体串联而成的电池组进行充电试验。研究结果表明:仿真容量与估计容量误差为1.2%以内,验证了所提出的容量快速估计算法的有效性;利用所提方法估计出电池组容量与试验得到的电池组容量的误差为2.61%;该方法根据电池充电曲线的平移与缩放即可在线估计出电池组容量,可应用于新电池组容量的在线快速估计,能在保证3%估计误差的基础上将检测效率提高到传统方法的2倍以上。     

基于局部均值分解与局部离群因子动力电池故障诊断

动力电池故障诊断是保证电动汽车正常运行的关键。提出一种基于局部均值分解和局部离群因子的动力电池故障诊断方法,用于电池组故障识别与定位。通过局部均值分解对电压信号预处理,并根据相关系数高低重构电压信号。进一步提取重构信号的峭度因子作为故障特征输入到局部离群因子算法中,根据局部离群因子算法自适应阈值输出故障电池。采用实车数据验证了所提方法能有效、准确地检测出故障,具有较好的可靠性与鲁棒性。     

基于改进DBSCAN的异常电池识别

单体电池间的性能差异是影响动力电池组使用安全性的主要因素之一,为识别电池组中一致性差的电池,即更容易发生危险的异常电池。文章在常规DBSCAN算法的基础上进行改进,针对其对输入参数敏感的缺陷,提出一种基于数据分布特性自适应确定MinPts参数和Eps参数的改进DBSCAN算法。将改进DBSCAN算法用于电池一致性分析,并利用电池充放电数据设计相关实验进行验证,验证结果表明所提出的算法异常电池识别效果良好。     

基于值率模型的电动汽车动力电池电压异常检测

准确高效的电动汽车动力电池系统异常检测对保障车辆安全可靠运行具有重要意义。基于此本文提出了一种基于电压变化率的新型动力电池电压异常诊断方法，用于检测电池组中单体电压的异常波动故障。进一步的，引入基于改进Z分数方法的评估系数来对电压异常波动程度进行定量表征。在此基础上，基于实车数据验证了本文所提方法的有效性和可靠性。此外，与常用熵方法进行对比分析，结果表明：本文所提方法具有可靠的故障诊断结果和较高的计算效率，实际工程应用价值更高。最后，基于该模型，通过对大量同类型纯电动汽车的电压数据进行统计分析，得到了该车型电池系统中电压异常风险情况的分布，通过分析隐藏在表面之下的异常，可以为车企动力电池系统或整车的结构设计提供参考。     

利用放电电压平台的FCM电池分选方法

针对电池分选成组后的一致性问题,在分析电池容量衰减与放电电压曲线关系的基础上,采用模糊C均值聚类算法,提出一种基于放电电压平台的FCM电池分选方法。该方法选取单体电池放电电压平台的3个特征点作为样本,再将标准化后的样本集作为算法的分类对象,最后以聚类有效性函数判定最优分类结果。全寿命实验的结果表明,采用分选方法得到的电池组动态一致性好,循环寿命衰减率降低,在500次循环寿命测试后健康度仍保持在90%以上。所提出的分选方法分选效率高,适用于数量较大的电池样本,可有效识别组内电池样本的一致性和生产质量,实现电池的多场合利用和效率最大化。     

电动汽车电池组连接松脱故障诊断

提出一种基于相关系数法进行连接松脱故障诊断的算法,通过计算相邻单体电池电压采样数列的相关系数进行连接松脱故障诊断,结合数学推导和模型仿真,对算法的灵敏度、有效性、适用性和通用性作出分析。试验结果表明,该算法能准确及时地对电池组不同类型的连接松脱故障进行报警和定位且无硬件冗余,具有完全的通用性和适用性,且满足车载应用对实时性的要求,可在实车电池管理系统中应用。     

电动汽车锂电池组充电均衡控制方法研究

锂电池组是电动汽车的主要驱动能源,然而尚不成熟的电池均衡充电技术成为制约电动汽车普及化的最大瓶颈。本文针对锂电池组中因单体电池性能差异造成能量不一致性的不良影响,以各单体电池电压为控制变量,提出一种基于模糊控制的锂电池组充电均衡控制方法。并通过MATLAB仿真分析得出:在充电均衡过程中,利用模糊控制方法调节PWM的占空比,电池组能够较好地完成各单体电池间的能量均衡,证明了该方案的可行性。     

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

针对现有电池单体有限元模型单元数量多、计算速度慢、在整车碰撞分析难以应用的问题，提出一种采用梁单元，反映电池单体壳体的压溃和弯曲特性的有限元模型。通过对比电池单体的轴向压溃、径向挤压和压痕试验结果，验证了建立的电池单体简化模型的有效性。应用该简化模型进行了6×4电池组撞击刚性墙和刚性墙撞击电池组两种工况的仿真，并根据电池单体短路失效临界应变，确定电池发生短路失效的临界撞击速度和撞击质量。结果表明，在电池组撞击刚性墙工况中，撞击速度为245 km/h时，靠近刚性墙第2和第3层电池单体最先失效；而在刚性墙撞击电池组工况中，撞击质量为16.06 kg时，最先失效的电池单体位于靠近刚性墙的第2层。因此，应依据不同的工况来确定电池组内首先失效单体的位置。     

基于特征提取和XGBOOST的电动重卡电池故障预警方法

电池包经常处于深度放电状态会极大地影响电池寿命,在严重情况下甚至会导致停车故障,传统故障诊断方法难以判断电池潜在故障以及故障发生程度。因此,本文提出了一种基于特征提取和XGBoost的电池故障预警方法。该方法对电池数据进行预处理,根据电芯端电压构建新的特征,对电池数据进行标注,建立XGBoost预测模型来预测电压故障,判断动力电池是否欠压。此外,还采用K折交叉验证以及随机搜索算法提高预测的准确性。实验结果表明,该方法可以有效区分故障车和正常车,并提前定位故障发生时间,从而避免潜在的事故风险。     

基于云端放电数据的电池组一致性研究

为提升电池组放电数据使用价值，减少对电池组充电数据的依赖，改变放电数据因质量差、采集效率低等原因难以得到有效利用的现状，以云端放电数据为研究对象，提出一种动力电池组一致性评价方法。该方法筛选出电池组的有效放电循环数据片段，根据每一放电循环中的单体电压曲线绘制包络线，进而基于上下各数条包络线进行数学计算，最终拟合得到一条一次曲线，根据最终拟合一次曲线斜率大小对一致性进行定量评价。试验结果表明，对于不同一致性状况的电池组，该方法能合理对其评分；实车数据分析表明，该方法能有效运用于工程中。该方法为电池组一致性的评价提供一种新思路，在一定程度上实现放电数据的有效利用价值。     

基于恒流充电曲线电压特征点的锂离子电池自适应容量估计方法

为提高锂离子电池容量在线估计精度,本文中提出一种基于部分充电曲线特征容量在线辨识和阿伦尼乌斯容量衰减模型融合的自适应容量估计方法。针对纯电动汽车极少存在完整充电的情况,提出一种基于恒流充电电压特征点的容量在线辨识方法。该方法先利用遗传算法对缩放平移后的充电曲线进行电压特征点优化,再通过监测有关这两个不动的电压特征点的恒流充电数据,在线辨识电池的当前容量。为进一步提高容量在线估计的精度,通过增量式PID算法来融合容量在线辨识值和阿伦尼乌斯模型,进行模型参数的闭环修正。最后,交变温度寿命实验结果表明,利用本文中提出的自适应估计方法,最大估计误差不超过2%。     

汽车铅酸蓄电池SOC的实时估计方法

为应对汽车铅酸蓄电池荷电状态在线估计的需求,分析了现有SOC估计方法不足;在给出Thevenin电路模型基础上,结合铅酸电池的开路电压与SOC关系曲线,获得SOC估计线性化的输出方程,进而提出采一种基于卡尔曼滤波的铅酸电池SOC在线估计方法。通过卷绕式铅酸电池实验和计算结果表明,该算法能够实时估计电池SOC状态,最大误差小于5%,相比于传统的安时积分法更适合用于在线检测。     

基于改进扩展卡尔曼滤波算法的SOC估算

在电动车、储能系统和移动设备等领域中,电池管理系统是保障电池组性能和安全性的关键技术之一,而电池荷电状态（SOC）估算是其重要的组成部分。文章重点针对18650型号的磷酸铁锂电池（单体电池）SOC估算展开研究和设计,首先选择双阶远程控制（RC）模型作为电池模型,通过电池容量标定实验、开路电压（OCV）-SOC标定实验、混合功率脉冲特性（HPPC）实验确定了双阶RC模型的各个动态参数,在MATLAB/Simulink中搭建动力电池仿真模型,验证了所选模型的可靠性。然后,为了解决单体电池SOC估算精度和成本等问题,以扩展卡尔曼滤波（EKF）算法为基础提出了一种改进方法,即在预测第k个时间步的误差协方差矩阵时,引入了时变渐消因子,在更新方差Q和R时引入自适应分子。最后,通过不同循环工况对提出的算法进行仿真分析,结果显示,提出的算法提升了SOC估算的精度,实用性强。     

基于特征电压模型的锂离子电池容量估计与RUL预测

锂离子电池的容量与剩余使用寿命预测对提高其安全性具有重要的意义。该文提出一种基于改进粒子群滤波(PF)算法与特征电压关联模型的锂离子电池容量估计与剩余使用寿命预测方法。提取放电曲线中的特征电压,建立特征电压-循环次数及特征电压-容量2个关联模型;应用改进PF算法对2个关联模型的参数进行辨识,以实现容量的在线估计与剩余寿命的离线预测;利用此方法通过拟合样本电池老化数据来优化建议概率密度的初始值,提高模型参数辨识的准确性以提高所建立关联模型的精度。结果表明：所提出的方法容量估计误差能保持在3%以内,寿命预测误差保持在5%以内。     

基于SVD-UKF的车用锂离子动力电池传感器故障诊断研究

针对传感器故障诊断问题,提出通过分析模型预测电压与传感器观测电压的残差来诊断传感器是否发生故障的方法。使用无迹卡尔曼滤波（Unscented Kalman Filter,UKF）算法估计电池的端电压,并提出使用奇异值分解（Singular Value Decomposition,SVD）代替平方根法分解,以解决协方差矩阵非正定导致的算法无法正常运行的问题。提出使用累积和（Cumulative Sum,CUSUM）法对残差进行分析,通过监测CUSUM的变化来判断传感器是否发生故障。以动应力测试（Dynamic Stress Test,DST）工况作为验证工况,用3类常见的传感器故障对提出的方法进行验证。结果表明,提出的传感器故障检测方法在一些微小故障的检测中,相比于传统的设定残差阈值的方法更灵敏,能更快检测出微小的数据偏移情况。     

基于电压频域特征和异常系数的动力电池故障诊断方法

动力电池系统是电动汽车(EV)的关键部件和主要故障源,因而提高动力电池故障诊断的效率和准确率显得尤为重要。基于此提出一种基于快速傅里叶变换(FFT)和异常系数评估(ACE)的动力电池电压不一致性故障诊断方法。针对6辆发生故障或热失控事故的电动汽车和1辆电压一致性良好的电动汽车,基于其在新能源汽车国家监管平台的全生命周期运行数据,经过电压数据的数据清洗、数据变换等大数据预处理后,利用FFT技术时频变换,提取频域中的幅值作为故障诊断的特征参数;然后,引进基于Z分数理论的异常系数对故障程度进行定量评估,以实现故障单体的检测和定位;此外,针对存在多个故障单体的情况,基于单体异常率的计算,实现单体故障程度的判定和排序;在此基础上,详细分析电压数据长度及采样间隔、FFT采样点数对模型的影响;最后,与基于熵和Z分数的电压故障诊断方法进行比较。研究结果表明:在上述研究条件下,该诊断方法对于电压一致性良好的车辆未产生误报警,且可以有效地检测出事故车辆动力电池系统存在的电压不一致性故障;相比之下,模型平均计算准确率提高了3.25%,模型平均耗时仅为熵值模型的0.55%;验证了该方法故障单体定位更精准、数据适用性更好及计算速度更快的优点。该研究成果能有效实现动力电池电压不一致性故障诊断,具有较高的工程应用价值。     

基于随机加权自适应容积卡尔曼的电池SOC估计

准确估计锂离子电池荷电状态（SOC）对于突破电动汽车发展瓶颈，推动电动汽车商业化至关重要。针对动力电池模型参数辨识问题，提出基于遗忘因子的递推最小二乘法（FRLS）的模型参数在线识别方法。实时测量动力电池电流和电压数据，在线辨识模型参数并实时更新，实时反映电池内部参数的变化过程，对电池动态特性进行实时模拟。针对容积卡尔曼（CKF）滤波过程中对噪声敏感的问题，提出一种基于随机加权思想的自适应容积卡尔曼滤波（ARWCKF）方法。相比于常规CKF容积点权值始终不变，通过引入随机加权因子，自适应调整容积点权值并对系统噪声、状态向量及观测向量进行预测，抑制系统噪声对状态估计的干扰，避免因容积点权重值固定所带来的误差。针对CKF算法在容积点计算过程中由于状态方差矩阵失去正定性导致的平方根分解无法使用的问题，提出基于奇异值分解的容积点计算方法，克服由于先验协方差矩阵负定性变化而导致的滤波精度下降等问题，并进行多种工况、温度下不同SOC初值的对比验证。结果表明：所提出的基于遗忘因子的递推最小二乘法的在线参数辨识及ARWCKF滤波方法具备良好的估计精度及收敛能力，最大电压估计误差不超过40 mV，SOC估计误差不超过1%。     

基于动态优选遗忘因子最小二乘在线辨识的磷酸铁锂电池SOC估算

为提高行驶中电动汽车的动力电池荷电状态(SOC)估算精度,以磷酸铁锂电池为例,提出了一种基于粒子群优选遗忘因子最小二乘(PSO-FFRLS)在线辨识模型的电池SOC估算方法。首先建立电池二阶等效电路模型,然后运用粒子群优化(PSO)算法实时为遗忘因子递推最小二乘法(FFRLS)优选最佳遗忘因子,最后,在动态工况下,对比了常用定遗忘因子最小二乘和PSO-FFRLS的在线辨识端电压误差,并分别与扩展卡尔曼滤波(EKF)算法联合,对比2种方法的估算效果。结果表明,PSO-FFRLS的端电压在线辨识结果能更好地跟随实测电压且误差极小,其与EKF的联合算法对SOC的估算精度也更高。     

电动汽车电池相关问题探讨

分析了电池组在电动汽车上应用存在的安全和价格问题。价格和电池组的寿命有关,而寿命由电池组内单体电池的一致性决定,单体电池一致性同样决定了电池的安全性。电池管理系统可以有效提高电池充放一致性,因此解决电池管理系统成了电池组使用的重中之重。文中同时提出了电池组安全性设计五开关。