统计分析和密度聚类的锂离子电池组内短路故障诊断

作者：范天娥^*; 唐鑫; 雷浩然; 李鹏华

来源：电子测量与仪器学报, 2023, 37(07): 93-103.

DOI：10.13382/j.jemi.B2306330

• 电池组短路故障诊断
• 相对熵
• 相关系数
• DBSCAN

随着锂离子电池系统在电动汽车中的广泛应用，电池组短路引起的安全问题日益凸显，因此动力电池的状态监测与故障诊断备受关注。针对当前非模型故障诊断方法存在的泛用性低、抗干扰性差和电池组不一致性突出等问题，提出了一种基于统计分析和密度聚类的电池组短路故障诊断方法。首先根据遗忘机制，利用核密度估计的相对熵和相关系数提取电池组的故障信息，用于识别短路引起的电池电压和温度变化；接着采用基于密度的空间噪声聚类算法(DBSCAN)自动识别短路故障电池。该方法的鲁棒性在噪声干扰和电池组较大不一致性的条件下得到了有效验证。随后，在不同程度的微短路情况下(短路电阻分别为1、5和10Ω)进行故障诊断，结果表明在10Ω短路情况下故障诊断的准确率能够达到92.17%。最后通过对比分析，表明该诊断方法能够有效检测和定位短路电池，并且故障越严重，诊断所需时间越短。

• 单位
  重庆邮电大学; 自动化学院