磷酸铁锂电池热失控是当前大规模电化学储能系统安全运行面临的主要挑战之一。该文提出了一种用于热失控过程中方形铝壳磷酸铁锂电池内部状态监测的原位超声透射方法,并结合温度、电压、电流、表面形变等多参数检测技术,构建了电池热失...磷酸铁锂电池热失控是当前大规模电化学储能系统安全运行面临的主要挑战之一。该文提出了一种用于热失控过程中方形铝壳磷酸铁锂电池内部状态监测的原位超声透射方法,并结合温度、电压、电流、表面形变等多参数检测技术,构建了电池热失控内-外参量综合测试系统。研究了电池在不同工况下内外参量变化特性,讨论了超声信号对电池内部演变的响应机制,实现了不同工况下电池内部状态的精确监测。结果表明,超声信号强度(U_(rms))和超声飞行时间(time of flight,TOF)能够有效表征电池内部状态的变化,其中U_(rms)对电池温度和荷电状态(state-of-charge,SOC)的变化更为敏感。电池过充会显著增强超声信号衰减效果,且信号被噪声淹没的时间节点远早于防爆阀开启时间,表明超声信号可作为电池过充热失控的早期预警指标。在此基础上,提出了基于改进马田系统的电池过充热失控预警算法,提前30 min预测电池防爆阀的开启。该研究工作对于深入认识储能电池热失控的时空发展特性,提升热失控的早期预警技术具有重要意义。展开更多
针对传统的自回归模型和自回归移动平均模型在齿轮箱早期异常检测中准确性不足的问题,采用有源自回归模型(autoregressive with extra inputs model,ARX)和统计过程控制相结合的方法进行齿轮箱早期异常检测。首先,对原始振动数据进行时...针对传统的自回归模型和自回归移动平均模型在齿轮箱早期异常检测中准确性不足的问题,采用有源自回归模型(autoregressive with extra inputs model,ARX)和统计过程控制相结合的方法进行齿轮箱早期异常检测。首先,对原始振动数据进行时域同步平均降噪处理;然后考虑到负载变化对输出信号的影响,提取信号的包络表征负载变化信息并作为模型的输入结合赤池信息准则(akaike information criterion,AIC)和最小二乘法建立模型;最后分别采用统计过程控制、支持向量数据描述(support vector data description,SVDD)、核主成分分析(kernel principal component analysis,KPCA)对残差数据的均方根值进行处理。结果表明,ARX模型结合指数加权移动平均(exponential weighed moving average,EWMA)控制图在第44个文件发现早期异常,相比于自回归模型、自回归移动平均模型、SVDD和KPCA分别提前11、6个、10和11个文件检测出异常,从而验证了该方法的可行性和有效性,对齿轮箱早期异常检测有重要意义。展开更多
文摘磷酸铁锂电池热失控是当前大规模电化学储能系统安全运行面临的主要挑战之一。该文提出了一种用于热失控过程中方形铝壳磷酸铁锂电池内部状态监测的原位超声透射方法,并结合温度、电压、电流、表面形变等多参数检测技术,构建了电池热失控内-外参量综合测试系统。研究了电池在不同工况下内外参量变化特性,讨论了超声信号对电池内部演变的响应机制,实现了不同工况下电池内部状态的精确监测。结果表明,超声信号强度(U_(rms))和超声飞行时间(time of flight,TOF)能够有效表征电池内部状态的变化,其中U_(rms)对电池温度和荷电状态(state-of-charge,SOC)的变化更为敏感。电池过充会显著增强超声信号衰减效果,且信号被噪声淹没的时间节点远早于防爆阀开启时间,表明超声信号可作为电池过充热失控的早期预警指标。在此基础上,提出了基于改进马田系统的电池过充热失控预警算法,提前30 min预测电池防爆阀的开启。该研究工作对于深入认识储能电池热失控的时空发展特性,提升热失控的早期预警技术具有重要意义。
文摘针对传统的自回归模型和自回归移动平均模型在齿轮箱早期异常检测中准确性不足的问题,采用有源自回归模型(autoregressive with extra inputs model,ARX)和统计过程控制相结合的方法进行齿轮箱早期异常检测。首先,对原始振动数据进行时域同步平均降噪处理;然后考虑到负载变化对输出信号的影响,提取信号的包络表征负载变化信息并作为模型的输入结合赤池信息准则(akaike information criterion,AIC)和最小二乘法建立模型;最后分别采用统计过程控制、支持向量数据描述(support vector data description,SVDD)、核主成分分析(kernel principal component analysis,KPCA)对残差数据的均方根值进行处理。结果表明,ARX模型结合指数加权移动平均(exponential weighed moving average,EWMA)控制图在第44个文件发现早期异常,相比于自回归模型、自回归移动平均模型、SVDD和KPCA分别提前11、6个、10和11个文件检测出异常,从而验证了该方法的可行性和有效性,对齿轮箱早期异常检测有重要意义。
