本發(fā)明屬于電池診斷，涉及一種鋰金屬電池故障診斷方法，具體涉及一種利用電池充電過程電流電壓特征進(jìn)行電池故障診斷的方法。

背景技術(shù)：

1、鋰離子電池作為目前使用最為廣泛的能源存儲和轉(zhuǎn)換器件在儲能、動力等領(lǐng)域極具應(yīng)用前景，然而常規(guī)基于石墨體系的動力儲能鋰離子電池的能量密度已達(dá)上限，用鋰合金負(fù)極來替換目前的石墨負(fù)極的鋰金屬電池成為發(fā)展高能量密度電池的重要途徑。

2、鋰金屬電池作為高能量密度電池體系的代表，隨著近年來的高速發(fā)展，已廣泛運用于航天國防、無人機(jī)等多種重要領(lǐng)域。但鋰金屬電池在使用過程中易發(fā)生內(nèi)短路/微短路/電解液分解等故障，進(jìn)而導(dǎo)致電池出現(xiàn)容量加速衰減、容量跳水、起火爆炸等現(xiàn)象，而針對鋰金屬電池的故障機(jī)制研究不全以及缺乏有效的故障檢測手段。近年來，機(jī)器學(xué)習(xí)的高速發(fā)展以及在實驗、數(shù)據(jù)科學(xué)中的應(yīng)用推動了其在電池診斷領(lǐng)域的發(fā)展，結(jié)合機(jī)器學(xué)習(xí)方法提取特征建立診斷模型實現(xiàn)電池安全的快速精準(zhǔn)診斷是目前的研究熱點，然直接基于數(shù)據(jù)來建立診斷模型難以實現(xiàn)有效的關(guān)鍵特征提取與故障診斷，缺乏對機(jī)理認(rèn)知以及實際使用過程無法獲取完整的充電數(shù)據(jù)也導(dǎo)致鋰金屬電池故障診斷模型應(yīng)用困難。

3、基于機(jī)器學(xué)習(xí)的方法主要包括傳統(tǒng)的線形回歸、支持向量機(jī)、決策神經(jīng)樹等機(jī)器學(xué)習(xí)算法以及神經(jīng)網(wǎng)絡(luò)算法，而神經(jīng)網(wǎng)絡(luò)算法依賴的數(shù)據(jù)量級相對更小，且模型適用性廣而在電池診斷領(lǐng)域應(yīng)用更廣，但其通過反向傳播機(jī)制建立輸入輸出的非線性映射實現(xiàn)精準(zhǔn)預(yù)測依賴高相關(guān)性的特征輸出，而目前直接基于電流電壓數(shù)據(jù)的輸入無法實現(xiàn)高準(zhǔn)確性的特征提取，而基于傳感的方法進(jìn)行故障診斷難以大規(guī)模無損植入，因此bms實時采集獲得的電壓電流數(shù)據(jù)是進(jìn)行故障的實時診斷最為理想的數(shù)據(jù)來源，但缺乏有效的特征挖掘手段與對部分充放電數(shù)據(jù)的模型方法。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)存在的問題，本發(fā)明提供了一種基于電池恒流恒壓充電過程的鋰金屬電池故障診斷方法。該方法以利用微分容量與差分電壓挖掘故障關(guān)鍵特征區(qū)間與相關(guān)性驗證為核心方法，通過不同循環(huán)下的電流、電壓采集，結(jié)合微分容量ica、差分電壓dva分析，識別關(guān)鍵故障特征區(qū)間，提取對應(yīng)特征構(gòu)建診斷模型對電池安全進(jìn)行診斷，診斷方法具有更高的精度以及更小的數(shù)據(jù)成本以及更寬的適用性，實施方法簡單、成本低，診斷速度快。

2、本發(fā)明的目的是通過以下技術(shù)方案實現(xiàn)的：

3、一種基于電池恒流恒壓充電過程的鋰金屬電池故障診斷方法，包括如下步驟：

4、步驟1：對鋰金屬電池進(jìn)行不同充放電制度下的充放電循環(huán)測試，獲取不同充放電循環(huán)下的電池數(shù)據(jù)，直至電池的庫倫效率降低至閾值；

5、步驟2：對步驟1獲取的電池數(shù)據(jù)進(jìn)行標(biāo)記，將高于閾值對應(yīng)循環(huán)的電流電壓數(shù)據(jù)標(biāo)記為正常(nor)，對應(yīng)標(biāo)簽為0，將低于閾值對應(yīng)循環(huán)的電流電壓數(shù)據(jù)標(biāo)記為故障(fail)，對應(yīng)標(biāo)簽為1；

6、步驟3：將步驟2標(biāo)記后得到的電池數(shù)據(jù)進(jìn)行微分容量ica、差分電壓dva分析，識別故障/正常循環(huán)條件下對應(yīng)的關(guān)鍵電壓/電流范圍；

7、步驟4：提取故障/正常循環(huán)條件下關(guān)鍵電壓/電流范圍內(nèi)對應(yīng)的電壓、電流、時間的數(shù)據(jù)特征，設(shè)定隨機(jī)因子，將數(shù)據(jù)集隨機(jī)劃分成訓(xùn)練集、驗證集、測試集；

8、步驟5：利用步驟4中得到的訓(xùn)練集構(gòu)建機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，將訓(xùn)練輸出的預(yù)測標(biāo)簽與訓(xùn)練集中的真實標(biāo)簽進(jìn)行比較，通過反向傳播機(jī)制對神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元權(quán)重進(jìn)行更新，得到訓(xùn)練誤差最小的參數(shù)分布并保存；

9、步驟6：將驗證集代入步驟5保存的機(jī)器學(xué)習(xí)模型中，監(jiān)控驗證集上的損失，如果持續(xù)迭代輪數(shù)達(dá)到預(yù)定輪數(shù)下模型誤差降低值小于設(shè)定值，提前停止訓(xùn)練避免模型過擬合，保存該模型為最佳模型用于診斷電池安全狀態(tài)；

10、步驟7：將測試集帶入步驟6保存的最佳模型中進(jìn)行診斷，得到預(yù)測為故障/正常電池循環(huán)的準(zhǔn)確率結(jié)果。

11、相比于現(xiàn)有技術(shù)，本發(fā)明具有如下優(yōu)點：

12、1、本發(fā)明基于充電過程的微分容量ica與差分電壓dva來挖掘鋰金屬的故障診斷對應(yīng)高相關(guān)性區(qū)間與特征，減少了特征識別繁瑣不精準(zhǔn)，特征提取效率高且所需數(shù)據(jù)較少。

13、2、本發(fā)明僅依賴與bms采集的局部電壓電流容量等信息，無需附加設(shè)備，獲取相對容易。

14、3、本發(fā)明基于充放電過程局部電流電壓數(shù)據(jù)的均值、時間長度、陡度、坡度、恒壓低電流持續(xù)時長等特征，特征僅通過數(shù)值計算，簡單高效，輸入模型迭代映射精準(zhǔn)。

15、4、本發(fā)明通過充電過程不同時間階段下的電壓演變與電流演變測量，結(jié)合電化學(xué)機(jī)理分析，提出采用充電階段與電池內(nèi)短路以及副反應(yīng)等關(guān)鍵故障機(jī)制強關(guān)聯(lián)的特征對電池安全狀態(tài)進(jìn)行評估，評估方法具有更高的精度，且適用于多種規(guī)格的鋰(鈉)金屬、離子電池單體、模組。

技術(shù)特征：

1.一種基于電池恒流恒壓充電過程的鋰金屬電池故障診斷方法，其特征在于所述方法包括如下步驟：

2.根據(jù)權(quán)利要求1所述的基于電池恒流恒壓充電過程的鋰金屬電池故障診斷方法，其特征在于所述步驟1中，充放電循環(huán)測試包括：不同溫度、不同充電倍率下的恒流恒壓測試或多階段恒流恒壓測試。

3.根據(jù)權(quán)利要求1所述的基于電池恒流恒壓充電過程的鋰金屬電池故障診斷方法，其特征在于所述步驟1中，電池數(shù)據(jù)包括：充放電過程的電流、電壓、時間、容量數(shù)據(jù)。

4.根據(jù)權(quán)利要求1所述的基于電池恒流恒壓充電過程的鋰金屬電池故障診斷方法，其特征在于所述步驟2中，微分容量ica、差分電壓dva分析是基于電池充電過程的電流、電壓、容量、時間的曲線，通過構(gòu)建導(dǎo)數(shù)曲線來實現(xiàn)的。

5.根據(jù)權(quán)利要求1所述的基于電池恒流恒壓充電過程的鋰金屬電池故障診斷方法，其特征在于所述步驟4中，數(shù)據(jù)特征包括均值、時間長度、陡度、坡度、恒壓低電流持續(xù)時長，具體提取方法如下：通過去除異常值、應(yīng)用三次樣條插值或線性插值方法，將故障/正常循環(huán)條件下關(guān)鍵電壓/電流范圍內(nèi)對應(yīng)的電壓、電流、時間數(shù)據(jù)處理成等長序列，進(jìn)而提取均值、時間長度、陡度、坡度、恒壓低電流持續(xù)時長特征。

6.根據(jù)權(quán)利要求1所述的基于電池恒流恒壓充電過程的鋰金屬電池故障診斷方法，其特征在于所述步驟5中，機(jī)器學(xué)習(xí)模型采用卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，包含7個卷積層，輸入層接收預(yù)定的電池特征數(shù)據(jù)，卷積層通過多個卷積核提取特征，每層卷積后接一個relu激活函數(shù)以增加非線性；卷積層的通道數(shù)從8逐漸增加到64，以逐層抽象特征；通過卷積操作從輸入數(shù)據(jù)中提取特征；輸出層包含一個神經(jīng)元，用于預(yù)測電池的安全狀態(tài)，nor對應(yīng)0/fail對應(yīng)1；卷積層的激活函數(shù)選擇relu，數(shù)據(jù)歸一化方法選擇standardscaler；優(yōu)化算法采用adam優(yōu)化器，學(xué)習(xí)率設(shè)置為0.001，訓(xùn)練循環(huán)次數(shù)選擇100次，誤差函數(shù)選擇交叉熵誤差。

7.根據(jù)權(quán)利要求1所述的基于電池恒流恒壓充電過程的鋰金屬電池故障診

技術(shù)總結(jié)
本發(fā)明公開了一種基于電池恒流恒壓充電過程的鋰金屬電池故障診斷方法，所述方法以利用恒流恒壓過程的電壓電流演變?yōu)楹诵?，利用充電過程獲取不同時間段下恒流階段電壓變化與恒壓階段電流變化值，作為電池老化過程中評價電池故障/正常狀態(tài)的特征，構(gòu)建訓(xùn)練集、驗證集以及測試集用于訓(xùn)練機(jī)器學(xué)習(xí)模型，從而建立電流特征序列和電池故障狀態(tài)的關(guān)聯(lián)關(guān)系以對電池安全狀態(tài)進(jìn)行診斷。本發(fā)明通過充電過程不同時間階段下的電壓演變與電流演變測量，結(jié)合電化學(xué)機(jī)理分析，提出采用充電階段與電池內(nèi)短路以及副反應(yīng)等關(guān)鍵故障機(jī)制強關(guān)聯(lián)的特征對電池安全狀態(tài)進(jìn)行評估，評估方法具有更高的精度，且適用于多種規(guī)格的鋰(鈉)金屬、離子電池單體、模組。

技術(shù)研發(fā)人員：王家鈞,陳銘,劉興江,于智航
受保護(hù)的技術(shù)使用者：哈爾濱工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15