本發(fā)明涉及電池管理，更具體地說，本發(fā)明涉及基于電芯熱失控風(fēng)險檢測的多維參數(shù)評估系統(tǒng)及方法。

背景技術(shù)：

1、隨著鋰離子電池在電動汽車、儲能系統(tǒng)等領(lǐng)域的廣泛應(yīng)用，其安全性問題日益凸顯，尤其是電池?zé)崾Э貙?dǎo)致的起火甚至爆炸事故，嚴(yán)重威脅著人身安全和財產(chǎn)安全。因此，開發(fā)精確、可靠的熱失控風(fēng)險檢測方法，實現(xiàn)早期預(yù)警，對于保障鋰離子電池的安全運行至關(guān)重要。近年來，國內(nèi)外學(xué)者針對電池?zé)崾Э仫L(fēng)險檢測開展了廣泛的研究，并取得了一定的進展，但仍存在一些亟待解決的問題。

2、目前已有的研究主要集中在對電池?zé)崾Э氐耐獠刻卣鲄?shù)和內(nèi)部狀態(tài)參數(shù)的監(jiān)測和分析上。例如，公開號為cn117630719a的中國專利申請公開了一種熱失控風(fēng)險告警系統(tǒng)、方法、設(shè)備和介質(zhì)，該系統(tǒng)通過第一數(shù)據(jù)采集組件采集電池組中各電池的檢測電池狀態(tài)參數(shù)，第二數(shù)據(jù)采集組件采集電池組的檢測熱失控元素參數(shù)，熱失控告警組件根據(jù)上述參數(shù)識別電池組是否存在熱失控風(fēng)險，并在識別到風(fēng)險時進行告警。該方法主要依賴于對電池外部特征參數(shù)（如電壓、溫度等）和熱失控發(fā)生時釋放的特征氣體（如氫氣、一氧化碳等）的檢測，然而，這些外部特征參數(shù)的變化往往滯后于電芯內(nèi)部狀態(tài)的變化，當(dāng)檢測到明顯的外部特征變化時，電池可能已經(jīng)處于熱失控的臨界狀態(tài)，甚至已經(jīng)發(fā)生熱失控，難以實現(xiàn)有效的早期預(yù)警。公開號為cn117103997a的中國專利申請?zhí)岢隽艘环N計及電池系統(tǒng)放電數(shù)據(jù)的電池?zé)崾Э仫L(fēng)險檢測方法，該方法通過采集電池組的特征數(shù)據(jù)，并對充放電循環(huán)進行劃分，提取特定循環(huán)的放電數(shù)據(jù)，利用縱向離群均值算法計算各個單體電池的熱失控風(fēng)險值，并將超過風(fēng)險閾值的單體電池作為可疑電池，最后通過判斷機制進行進一步檢測和報警。該方法雖然考慮了電池的放電數(shù)據(jù)，并對熱失控風(fēng)險進行了量化評估，但其主要關(guān)注的是電池在特定放電循環(huán)中的表現(xiàn)，缺乏對電池在不同充放電狀態(tài)下以及不同老化狀態(tài)下的綜合評估，因此無法全面反映電池的健康狀態(tài)和潛在風(fēng)險。此外，上述兩種方法均未考慮電池在實際運行工況下的動態(tài)特性，而實際工況對電池的健康狀態(tài)和熱失控風(fēng)險具有重要影響。

3、現(xiàn)有技術(shù)未能充分融合表征電芯內(nèi)部狀態(tài)的多維參數(shù)，特別是缺乏對電芯在不同老化狀態(tài)下的電化學(xué)阻抗譜數(shù)據(jù)的分析和利用，導(dǎo)致無法全面、準(zhǔn)確地評估電芯的健康狀態(tài)和熱失控風(fēng)險；未能充分考慮電芯在實際運行工況下的動態(tài)特性，缺乏對工況參數(shù)的實時監(jiān)測和自適應(yīng)調(diào)整機制，導(dǎo)致無法準(zhǔn)確評估電芯在實際工況下的熱失控風(fēng)險，尤其是在復(fù)雜多變的工況下，這種局限性更加明顯。

技術(shù)實現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的上述缺陷，本發(fā)明提供基于電芯熱失控風(fēng)險檢測的多維參數(shù)評估系統(tǒng)及方法，通過構(gòu)建精粹多維電化學(xué)特征空間，并結(jié)合工況自適應(yīng)電芯健康度指標(biāo)，實現(xiàn)了對電芯熱失控風(fēng)險的精準(zhǔn)、實時、動態(tài)評估。該方法不僅能夠準(zhǔn)確評估電芯的健康狀態(tài)，還能有效預(yù)測不同工況下的熱失控風(fēng)險，顯著提高了預(yù)警的準(zhǔn)確性和可靠性。

2、本發(fā)明提出的基于電芯熱失控風(fēng)險檢測的多維參數(shù)評估系統(tǒng)及方法，可廣泛應(yīng)用于電動汽車、大巴車、儲能電站、不間斷電源、無人機、電動自行車、家庭儲能單元等各種使用鋰離子電池作為動力或儲能單元的應(yīng)用場景，尤其適用于對安全性要求極高的場景，如大型儲能電站、電動汽車等。

3、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

4、基于電芯熱失控風(fēng)險檢測的多維參數(shù)評估方法，包括：

5、同步采集電芯在不同充放電狀態(tài)下的多維參數(shù)數(shù)據(jù)，構(gòu)建熱-電耦合數(shù)據(jù)集；獲取電芯在不同老化狀態(tài)下的電化學(xué)阻抗譜數(shù)據(jù)，基于熱-電耦合數(shù)據(jù)集和電化學(xué)阻抗譜數(shù)據(jù)，構(gòu)建精粹多維電化學(xué)特征空間；基于精粹多維電化學(xué)特征空間，構(gòu)建和訓(xùn)練電芯健康度評估模型，提取電芯健康度指標(biāo)；建立電芯熱失控風(fēng)險等級，構(gòu)建電芯健康度指標(biāo)與電芯熱失控風(fēng)險等級的映射關(guān)系；

6、獲取電芯實時工況參數(shù)，根據(jù)電芯實時工況參數(shù)和電芯健康度評估模型，得到工況自適應(yīng)電芯健康度指標(biāo)；根據(jù)工況自適應(yīng)電芯健康度指標(biāo)和電芯健康度指標(biāo)與熱失控風(fēng)險等級之間的映射關(guān)系，得到預(yù)測的熱失控風(fēng)險等級；判斷預(yù)測的熱失控風(fēng)險等級是否超過預(yù)設(shè)閾值，如果超過預(yù)設(shè)閾值，則觸發(fā)預(yù)警機制。

7、進一步地，所述多維參數(shù)數(shù)據(jù)包括多點溫度數(shù)據(jù)、負載電流特征數(shù)據(jù)和電勢響應(yīng)數(shù)據(jù)；

8、所述基于熱-電耦合數(shù)據(jù)集和電化學(xué)阻抗譜數(shù)據(jù)，構(gòu)建精粹多維電化學(xué)特征空間包括：

9、基于熱-電耦合數(shù)據(jù)集，得到非線性頻率響應(yīng)特征矩陣；

10、基于電化學(xué)阻抗譜數(shù)據(jù)，得到eis特征矩陣；

11、融合非線性頻率響應(yīng)特征矩陣和eis特征矩陣，構(gòu)建精粹多維電化學(xué)特征空間。

12、進一步地，所述基于熱-電耦合數(shù)據(jù)集，得到非線性頻率響應(yīng)特征矩陣包括：

13、對熱-電耦合數(shù)據(jù)集進行時頻分析，提取多參數(shù)小波系數(shù)；所述多參數(shù)小波系數(shù)包括溫度小波系數(shù)、電流小波系數(shù)和電壓小波系數(shù)；

14、基于多參數(shù)小波系數(shù)，得到非線性頻率響應(yīng)特征矩陣。

15、進一步地，所述提取多參數(shù)小波系數(shù)包括：

16、對多點溫度數(shù)據(jù)進行時頻分析，提取溫度小波系數(shù)；

17、對負載電流特征數(shù)據(jù)進行時頻分析，提取電流小波系數(shù)；

18、對電勢響應(yīng)數(shù)據(jù)進行時頻分析，提取電壓小波系數(shù)。

19、進一步地，所述基于多參數(shù)小波系數(shù)，得到非線性頻率響應(yīng)特征矩陣包括：

20、基于溫度小波系數(shù)，計算多點溫度數(shù)據(jù)在不同頻段的能量分布，得到溫度頻域特征向量；

21、基于電流小波系數(shù)，計算負載電流特征數(shù)據(jù)在不同頻段的能量分布，得到電流頻域特征向量；

22、基于電壓小波系數(shù)，計算電勢響應(yīng)數(shù)據(jù)在不同頻段的能量分布，得到電壓頻域特征向量；

23、將溫度頻域特征向量、電流頻域特征向量和電壓頻域特征向量按列拼接，構(gòu)成非線性頻率響應(yīng)特征矩陣。

24、進一步地，所述基于電化學(xué)阻抗譜數(shù)據(jù)，得到eis特征矩陣包括：

25、對電化學(xué)阻抗譜數(shù)據(jù)進行等效電路擬合，得到等效電路模型參數(shù)；

26、從等效電路模型參數(shù)中提取關(guān)鍵阻抗參數(shù)；

27、由關(guān)鍵阻抗參數(shù)構(gòu)建eis特征矩陣。

28、進一步地，所述融合非線性頻率響應(yīng)特征矩陣和eis特征矩陣，構(gòu)建精粹多維電化學(xué)特征空間包括：

29、對非線性頻率響應(yīng)特征矩陣和eis特征矩陣進行數(shù)據(jù)標(biāo)準(zhǔn)化處理；

30、將標(biāo)準(zhǔn)化后的非線性頻率響應(yīng)特征矩陣和eis特征矩陣按列拼接，形成多維電化學(xué)特征矩陣；所述多維電化學(xué)特征矩陣的每一行對應(yīng)一個電芯樣本，每一列對應(yīng)一個電化學(xué)特征；

31、對多維電化學(xué)特征矩陣進行特征選擇；

32、對特征選擇后的多維電化學(xué)特征矩陣進行特征提取，獲得精粹多維電化學(xué)特征空間，所述精粹多維電化學(xué)特征空間中包含n1個電化學(xué)特征。

33、進一步地，所述對多維電化學(xué)特征矩陣進行特征選擇包括：

34、計算多維電化學(xué)特征矩陣中每個電化學(xué)特征的重要性得分；

35、基于每個電化學(xué)特征的重要性得分，構(gòu)建電化學(xué)特征重要性矩陣；

36、基于電化學(xué)特征重要性矩陣，采用自適應(yīng)閾值法選擇最優(yōu)特征子集。

37、進一步地，所述基于電化學(xué)特征重要性矩陣，采用自適應(yīng)閾值法選擇最優(yōu)特征子集包括：

38、設(shè)計一個電化學(xué)特征選擇自適應(yīng)閾值函數(shù)，計算電化學(xué)特征選擇自適應(yīng)閾值；

39、遍歷電化學(xué)特征重要性矩陣，將大于電化學(xué)特征選擇自適應(yīng)閾值的電化學(xué)特征選入最優(yōu)特征子集。

40、進一步地，所述基于精粹多維電化學(xué)特征空間，構(gòu)建和訓(xùn)練電芯健康度評估模型包括：

41、以精粹多維電化學(xué)特征空間中的電化學(xué)特征為樣本特征，以人工標(biāo)注的電芯健康度指標(biāo)為樣本標(biāo)簽，構(gòu)建訓(xùn)練樣本集；

42、采用加權(quán)線性回歸模型，構(gòu)建初始電芯健康度評估模型；

43、使用訓(xùn)練樣本集，訓(xùn)練初始電芯健康度評估模型，得到每個電化學(xué)特征的權(quán)重系數(shù)和偏置項b；

44、基于每個電化學(xué)特征的權(quán)重系數(shù)和偏置項b，得到最終的電芯健康度評估模型。

45、進一步地，所述根據(jù)電芯實時工況參數(shù)和電芯健康度評估模型，得到工況自適應(yīng)電芯健康度指標(biāo)包括：

46、獲取電芯的工況參數(shù)，構(gòu)建工況參數(shù)與權(quán)重調(diào)整系數(shù)之間的映射關(guān)系；

47、根據(jù)電芯實時工況參數(shù)和工況參數(shù)與權(quán)重調(diào)整系數(shù)之間的映射關(guān)系，計算實時權(quán)重調(diào)整系數(shù)；

48、根據(jù)實時權(quán)重調(diào)整系數(shù)，調(diào)整電芯健康度評估模型中每個電化學(xué)特征的權(quán)重系數(shù)，得到調(diào)整后的權(quán)重系數(shù)；

49、使用調(diào)整后的權(quán)重系數(shù)，計算當(dāng)前工況下的工況自適應(yīng)電芯健康度指標(biāo)。

50、基于電芯熱失控風(fēng)險檢測的多維參數(shù)評估系統(tǒng)，其用于實現(xiàn)上述的基于電芯熱失控風(fēng)險檢測的多維參數(shù)評估方法，所述系統(tǒng)包括：

51、特征空間構(gòu)建模塊：用于同步采集電芯在不同充放電狀態(tài)下的多維參數(shù)數(shù)據(jù)，構(gòu)建熱-電耦合數(shù)據(jù)集；獲取電芯在不同老化狀態(tài)下的電化學(xué)阻抗譜數(shù)據(jù)，基于熱-電耦合數(shù)據(jù)集和電化學(xué)阻抗譜數(shù)據(jù)，構(gòu)建精粹多維電化學(xué)特征空間；

52、映射關(guān)系建立模塊：基于精粹多維電化學(xué)特征空間，構(gòu)建和訓(xùn)練電芯健康度評估模型，提取電芯健康度指標(biāo)；建立電芯熱失控風(fēng)險等級，構(gòu)建電芯健康度指標(biāo)與電芯熱失控風(fēng)險等級的映射關(guān)系；

53、熱失控判斷模塊：獲取電芯實時工況參數(shù)，根據(jù)電芯實時工況參數(shù)和電芯健康度評估模型，得到工況自適應(yīng)電芯健康度指標(biāo)；根據(jù)工況自適應(yīng)電芯健康度指標(biāo)和電芯健康度指標(biāo)與熱失控風(fēng)險等級之間的映射關(guān)系，得到預(yù)測的熱失控風(fēng)險等級；判斷預(yù)測的熱失控風(fēng)險等級是否超過預(yù)設(shè)閾值，如果超過預(yù)設(shè)閾值，則觸發(fā)預(yù)警機制。

54、相比于現(xiàn)有技術(shù)，本發(fā)明的有益效果為：

55、本發(fā)明提出的基于電芯熱失控風(fēng)險檢測的多維參數(shù)評估方法，開創(chuàng)性地融合了熱-電耦合數(shù)據(jù)和電化學(xué)阻抗譜數(shù)據(jù)，構(gòu)建了精粹多維電化學(xué)特征空間，從多個維度全面表征電芯的老化狀態(tài)和熱失控風(fēng)險。該方法采用加權(quán)線性回歸模型構(gòu)建健康度評估模型，并通過工況參數(shù)動態(tài)調(diào)整特征權(quán)重，實現(xiàn)了對不同工況下電芯健康狀態(tài)的精準(zhǔn)評估。特別是，本發(fā)明提出的工況自適應(yīng)電芯健康度指標(biāo)，能夠?qū)崟r反映電芯在實際運行環(huán)境下的真實健康狀態(tài)，顯著提高了健康度評估的準(zhǔn)確性和實用性。此外，本發(fā)明建立的電芯健康度指標(biāo)與熱失控風(fēng)險等級之間的映射關(guān)系，將抽象的健康度指標(biāo)轉(zhuǎn)化為直觀的風(fēng)險等級，為熱失控預(yù)警提供了清晰的判斷依據(jù)。綜上所述，本發(fā)明提出的多維參數(shù)評估系統(tǒng)及方法，突破了傳統(tǒng)單一參數(shù)評估方法的局限性，實現(xiàn)了對電芯熱失控風(fēng)險的全面、精準(zhǔn)、實時、動態(tài)評估，為電池安全管理提供了強有力的技術(shù)保障，有效降低了電池?zé)崾Э厥鹿实陌l(fā)生概率，對提升電動汽車、儲能系統(tǒng)等應(yīng)用領(lǐng)域的安全性具有重要意義，對促進新能源產(chǎn)業(yè)的健康發(fā)展將產(chǎn)生深遠的影響。

相關(guān)知識

血液循環(huán)系統(tǒng)的健康評估裝置及其控制方法與流程
電池健康狀態(tài)檢測系統(tǒng)及方法與流程
基于大數(shù)據(jù)的車輛健康狀態(tài)評估模型構(gòu)建方法與流程
一種新型智能化體重監(jiān)測裝置及肥胖評估方法與流程
【健康風(fēng)險評估】什么是健康風(fēng)險評估？健康風(fēng)險評估的方法
檢測全身健康的健康風(fēng)險評估系統(tǒng)
健康風(fēng)險評估系統(tǒng)介紹
電動汽車動力電池健康狀態(tài)評估方法與流程
電池管理系統(tǒng)里的電池健康評估和壽命預(yù)測
健康風(fēng)險評估系統(tǒng)是什么？

網(wǎng)址: 基于電芯熱失控風(fēng)險檢測的多維參數(shù)評估系統(tǒng)及方法與流程 http://www.u1s5d6.cn/newsview1364113.html