基于充电电压的串联电池组早期多故障诊断

作者：段双明^*; 常智博

来源：储能科学与技术, 2023, 12(10): 3221-3229.

DOI：10.19799/j.cnki.2095-4239.2023.0366

• 故障诊断
• 充电电压
• 电池组
• 电压预测
• 均值归一化

及时检测和准确识别电池组中不同类型的故障对电动汽车和电池储能系统的安全运行至关重要。早期故障诊断是电池管理系统(battery management system,BMS)预防锂离子电池热失控的关键，针对现有故障诊断方法无法通过微弱的电压波动识别早期故障的问题，提出基于充电电压的早期多故障诊断方法，实现对电压轻微变化的故障电池进行检测。首先，对电池数据进行预处理和特征提取，选择电流、荷电状态(state of charge,SOC)、温度、总电压作为输入量，建立基于极限梯度提升算法(extreme gradient boost,XGboost)的电压预测模型，并与长短期记忆网络(long short-term memory,LSTM)、支持向量机(support vector machine,SVM)和随机森林(random forest,RF)方法进行对比，结果表明，基于XGboost的电压预测方法能够在提升预测精度的同时，有效减少计算时间；然后，将测量与预测得到的电压残差作为故障特征，利用均值归一化(mean normalization,MN)方法放大故障特征，根据不同故障的MN值特性，实现电池组早期故障的分类；最后，通过基于密度的带有噪声的空间聚类算法(density-based spatial clustering of applications with noise,DBSCAN)对电池组多故障进行自动分类与定位，仿真结果表明，基于DBSCAN的聚类方法能够在250 s内识别多故障，实现对潜在电池单元故障的精准分类与定位。

• 单位
  东北电力大学