为了提高锂离子电池在运行过程中的内短路故障检测效率,提出基于弛豫电压的锂离子电池内短路分级及检测方法。首先根据内短路电池暂停放电后的弛豫电压曲线特征,基于支持向量机模型对电池内短路等级进行分类。然后根据分类结果,提出相...为了提高锂离子电池在运行过程中的内短路故障检测效率,提出基于弛豫电压的锂离子电池内短路分级及检测方法。首先根据内短路电池暂停放电后的弛豫电压曲线特征,基于支持向量机模型对电池内短路等级进行分类。然后根据分类结果,提出相应的电池内短路故障检测方法。对于中期内短路电池,立即令其退出电池系统;对于早期内短路电池,利用卡尔曼滤波(Kalman filtering,KF)算法实时计算电池荷电状态(state of charge,SOC)偏差;对于无短路电池,保持原检测措施。最后对所提分类及检测方法进行实验验证。实验结果表明该分类方法的正确率受弛豫电压序列的采样总时间长度和采样间隔时间影响,增加恒流恒压充电阶段获取的特征数据能进一步提高内短路分类结果的正确率,实时检测电池SOC偏差的方法能及时发现异常的早期内短路电池。展开更多
文摘为了提高锂离子电池在运行过程中的内短路故障检测效率,提出基于弛豫电压的锂离子电池内短路分级及检测方法。首先根据内短路电池暂停放电后的弛豫电压曲线特征,基于支持向量机模型对电池内短路等级进行分类。然后根据分类结果,提出相应的电池内短路故障检测方法。对于中期内短路电池,立即令其退出电池系统;对于早期内短路电池,利用卡尔曼滤波(Kalman filtering,KF)算法实时计算电池荷电状态(state of charge,SOC)偏差;对于无短路电池,保持原检测措施。最后对所提分类及检测方法进行实验验证。实验结果表明该分类方法的正确率受弛豫电压序列的采样总时间长度和采样间隔时间影响,增加恒流恒压充电阶段获取的特征数据能进一步提高内短路分类结果的正确率,实时检测电池SOC偏差的方法能及时发现异常的早期内短路电池。
