基于不确定噪声滤波的动力电池管理系统故障诊断方法

摘要

本发明公开了基于不确定噪声滤波的动力电池管理系统故障诊断方法，属于动力电池故障诊断领域。该方法包括建立动力电池系统的电热耦合模型，根据动力电池的状态约束扩展系统的输出向量，根据动力电池系统故障扩展系统的状态向量，获取动力电池系统的增广系统，利用全对称多胞体卡尔曼滤波方法得到动力电池传感器故障的估计区间，根据故障估计的上下界判断动力电池管理系统是否发生故障，若发生故障，则根据结果确定故障类型和故障时间。相比于现有的针对无状态约束系统的故障诊断方法，本申请通过将系统状态约束扩展到系统输出向量，解决了具有状态约束的系统故障诊断问题。

说明书

技术领域

本发明涉及基于不确定噪声滤波的动力电池管理系统故障诊断方法，属于动力电池管理系统故障诊断领域。

背景技术

随着人们对燃料消耗和碳排放的日益关注，动力电池由于其能量密度高，自放率低和寿命长逐渐成为最具有发展前景的化学储能电源，被广泛应用于电力输配、可再生能源并网、辅助服务、分布式微网以及电动汽车充换电等储能领域的各个方面。但同时，随着动力电池在能量和功率密度方面的不断提高，电池的安全性和可靠性问题也成为电池储能系统最关心的问题。

因此现有的动力电池系统中设置了相应的电池管理系统(BMS)，以确保动力电池处于安全的工作状态。通常现有的BMS系统通过采集动力电池的电流、电压和温度传感器信号，根据所采集的电流、电压和温度传感器信号，采用相应的状态估计方法对动力电池系统的状态进行估计，进而将估计出的电池系统状态和正常的电池系统状态进行比较，根据比较结果判断出动力电池是否发生故障，判断过程中，一旦动力电池出现故障，相应的电流、电压和温度传感器信号就会出现异常，后续所估计出的电池系统状态和正常的电池系统状态就会相差较大，从而能够诊断出动力电池是否发生了故障。

但上述故障诊断方法的准确性需要建立在传感器不出现故障的前提下，也即传感器所采集到的数据即为真实的电池系统的数据，如果传感器发生故障，那么就会导致所采集的信号与实际不符，而后续采用状态估计方法根据采集到的信号所估计出的电池系统状态与正常的电池系统状态的差别可能比较大，也可能在正常范围内，这取决于传感器发生了何种故障。但无论传感器发生了何种故障，此时故障诊断的结果均不准确：

如果估计出的电池系统状态与正常的电池系统状态的差别比较大，判断动力电池出现了故障，但实际上却并非是动力电池出现了故障，而是电池管理系统中的传感器发生了故障；如果估计出的电池系统状态与正常的电池系统状态的差别在正常范围内，判断动力电池没有出现故障，但实际上由于电池管理系统中的传感器发生了故障，会导致对动力电池所处的状态判断出现错误，继而影响后续对电池的操作，比如本来动力电池已经达到完成充电的状态，但因为传感器发生了故障，根据采集到的信号所估计出的动力电池处于未完成充电状态，就会继续进行充电操作，从而会出现过充的现象；而动力电池无论是处于上述的过充状态还是过放状态，都有可能引起安全隐患事件。

因此，为了能够诊断出电池管理系统中负责采集信号的传感器是否发生故障，本申请提出了一种基于不确定噪声滤波的动力电池管理系统故障诊断方法。

发明内容

为了解决现有的电池故障诊断方法无法检测出电池系统中的传感器故障的问题，本发明提供了一种基于不确定噪声滤波的动力电池系统故障诊断方法，所述方法包括：

步骤一：根据动力电池放电过程的电化学机理，建立动力电池二阶Thevenin等效电路模型；

步骤二：根据动力电池的产热机理，建立动力电池热模型，结合二阶Thevenin等效电路模型，建立动力电池系统的电热耦合模型；

步骤三：获取动力电池正常工作状态下的核心温度和表面温度，确定动力电池的状态约束；

步骤四：将动力电池的状态约束扩展到动力电池系统的系统输出向量得到系统输出变量，将动力电池系统的故障向量扩展到系统状态向量得到系统状态变量；

所述系统输出向量为核心温度传感器和表面温度传感器所采集的核心温度和表面温度所构成的向量；所述故障向量为核心温度传感器和表面温度传感器的故障值所构成的向量；所述系统状态向量指动力电池实际的核心温度和表面温度所构成的向量；

步骤五：根据k时刻的系统状态变量

步骤六：求解k+1时刻系统状态变量预测集

步骤七：根据k+1时刻的系统状态变量的全对称多胞体集合，获取k+1时刻的状态估计区间和故障估计区间，判断动力电池管理系统中的核心温度传感器和表面温度传感器是否发生故障；

所述动力电池系统包括动力电池和动力电池管理系统，所述动力电池管理系统包括用于采集动力电池核心温度和表面温度的核心温度传感器和表面温度传感器。

可选的，所述步骤三：获取动力电池正常工作状态下的核心温度和表面温度，确定动力电池的状态约束，包括：

获取动力电池正常工作状态下的核心温度和表面温度，确定系统的状态约束：

动力电池工作在正常工况下，核心温度T

确定系统的状态约束：

将系统的状态约束写成式(7)的形式：

|D

其中，

可选的，所述步骤一：根据动力电池放电过程的电化学机理，建立动力电池二阶Thevenin等效电路模型，包括：

根据动力电池放电过程的电化学机理，建立如下方程：

其中，U

可选的，所述步骤二：根据动力电池的产热机理，建立动力电池热模型，结合动力电池二阶Thevenin等效电路模型，建立动力电池电热耦合模型，包括：

2.1根据动力电池的产热机理，建立动力电池热模型：

其中，T

Q

2.2结合二阶Thevenin等效电路模型，建立动力电池系统的电热耦合模型，以电池核心的发热功率Q

x

其中，

以表面温度T

y

其中，

根据式(4)、式(5)，建立动力电池系统电热耦合模型为：

可选的，所述步骤四：将动力电池的状态约束扩展到动力电池系统的系统输出向量得到系统输出变量，将动力电池系统的故障向量扩展到系统状态向量得到系统状态变量，包括：

4.1将动力电池的状态约束扩展到动力电池系统的系统输出向量得到系统输出变量，根据式(6)、式(7)得到下式(8)：

其中，

4.2将动力电池系统的故障向量扩展到系统状态向量得到系统状态变量，根据式(8)得到下式(9)：

其中，

可选的，所述步骤五：根据k时刻的系统状态变量

5.1构建k+1时刻的系统状态变量可行集

设置初始化状态变量

构建k+1时刻的系统状态变量预测集

其中，

其中，

5.2根据k+1时刻系统输出变量构建k+1时刻的带状空间S

可选的，所述步骤六：求解k+1时刻系统状态变量预测集

根据k+1时刻的带状空间S

其中，

可选的，所述步骤七：根据k+1时刻的系统状态变量的全对称多胞体集合，获取k+1时刻的状态估计区间和故障估计区间，判断动力电池管理系统中的核心温度传感器和表面温度传感器是否发生故障，包括：

根据式(23)确定k+1时刻的状态估计区间：

其中，

根据式(24)确定k+1时刻的故障估计区间：

其中，

若式(24)得出的故障估计区间的上下界处于0的两侧，则动力电池传感器没有发生故障；

若式(24)得出的故障估计区间的上下界同时处于0的一侧，则动力电池传感器发生故障，故障值处于故障估计范围内；同时故障类型不同，故障估计区间不同，根据故障估计区间判断动力电池传感器故障类型。

本发明还提供一种动力电池系统，所述动力电池系统包括动力电池和动力电池管理系统，所述动力电池管理系统包括用于采集动力电池核心温度和表面温度的核心温度传感器和表面温度传感器，所述动力电池系统采用上述方法对所述核心温度传感器和表面温度传感器进行故障检测。

本发明还提供一种动力电池管理系统，包括用于采集动力电池核心温度和表面温度的核心温度传感器和表面温度传感器，所述动力电池管理系统采用上述方法对所述核心温度传感器和表面温度传感器进行故障检测。

本发明有益效果是：

本发明提出一种基于不确定噪声滤波的动力电池管理系统故障诊断方法，通过将动力电池的状态约束扩展到动力电池系统的系统输出向量，将动力电池系统的故障向量扩展到系统状态向量构造动力电池系统的增广系统，利用全对称多胞体卡尔曼滤波方法得到动力电池管理系统故障的估计区间，根据故障估计的上下界判断动力电池管理系统中的传感器是否发生故障，若发生故障，则根据结果确定故障类型和故障时间。相比于现有的针对无状态约束系统的故障诊断方法，本发明通过将系统状态约束扩展到系统输出向量，解决了具有状态约束的系统故障诊断问题。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一个实施例中公开的一种基于不确定噪声滤波的动力电池管理系统故障诊断的流程图。

图2是一种动力电池等效电路模型图。

图3是本发明一个实施例中公开的动力电池外加核心温度传感器故障信号f

图4是本发明一个实施例中公开的动力电池外加表面温度传感器故障信号f

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

实施例一：

本实施例提供一种基于不确定噪声滤波的动力电池管理系统故障诊断方法，所述方法应用于动力电池系统中，所述动力电池系统包括动力电池和动力电池管理系统，所述动力电池管理系统包括用于采集动力电池核心温度和表面温度的核心温度传感器和表面温度传感器；所述方法包括：

步骤一：根据动力电池放电过程的电化学机理，建立动力电池二阶Thevenin等效电路模型；

步骤二：根据动力电池的产热机理，建立动力电池热模型，结合二阶Thevenin等效电路模型，建立动力电池系统的电热耦合模型；

步骤三：获取动力电池正常工作状态下的核心温度和表面温度，确定动力电池的状态约束；

步骤四：将动力电池的状态约束扩展到动力电池系统的系统输出向量得到系统输出变量，将动力电池系统的故障向量扩展到系统状态向量得到系统状态变量；

所述系统输出向量为核心温度传感器和表面温度传感器所采集的核心温度和表面温度所构成的向量；所述故障向量为核心温度传感器和表面温度传感器的故障值所构成的向量；所述系统状态向量指动力电池实际的核心温度和表面温度所构成的向量；

步骤五：根据k时刻的系统状态变量

步骤六：求解k+1时刻系统状态变量预测集

步骤七：根据k+1时刻的系统状态变量的全对称多胞体集合，获取k+1时刻的状态估计区间和故障估计区间，判断动力电池管理系统中的核心温度传感器和表面温度传感器是否发生故障。

实施例二：

本实施例提供一种基于不确定噪声滤波的动力电池管理系统故障诊断方法，参见图1，所述方法包括：

步骤一：根据动力电池放电过程的电化学机理，建立动力电池二阶Thevenin等效电路模型：

动力电池的二阶Thevenin等效电路图如图2所示，其中，U

根据动力电池放电过程的电化学机理，建立如下方程：

步骤二：根据动力电池的产热机理，建立动力电池热模型，结合二阶Thevenin等效电路模型，建立动力电池电热耦合模型；

根据动力电池的产热机理，建立动力电池热模型：

其中，T

Q

其中，U

结合二阶Thevenin等效电路模型，建立动力电池系统的电热耦合模型，以电池核心的发热功率Q

x

其中，

以表面温度T

y

其中，

根据式(4)、式(5)，建立动力电池系统电热耦合模型为：

步骤三：获取动力电池正常工作状态下的核心温度和表面温度，确定系统的状态约束：

动力电池工作在正常工况下，核心温度T

确定系统的状态约束：

将系统的状态约束写成式(7)的形式：

|D

其中，

实际应用中，当电流为5A，环境温度为25℃时，动力电池工作在正常工况下，核心温度会稳定在[35.8℃，35，9℃]范围内，即35.8℃≤T

因此，

步骤四：将动力电池的状态约束扩展到动力电池系统的系统输出向量得到系统输出变量，将动力电池系统的故障向量扩展到系统状态向量得到系统状态变量；

将动力电池的状态约束扩展到动力电池系统的系统输出向量，根据式(6)、式(7)得到下式(8)：

其中，

将动力电池系统的故障向量扩展到系统状态向量得到系统状态变量，根据式(8)得到下式(9)：

其中，

步骤五：根据k时刻的系统状态变量

构建k+1时刻的系统状态变量可行集

设置初始化状态变量

假设k时刻的状态变量

其中，

其中，

根据k+1时刻系统输出变量构建k+1时刻的带状空间S

步骤六：求解k+1时刻系统状态变量预测集

根据k+1时刻的带状空间S

其中，

步骤七：根据k+1时刻的系统状态变量的全对称多胞体集合，获取k+1时刻的状态估计区间和故障估计区间，判断动力电池管理系统中的核心温度传感器和表面温度传感器是否发生故障：

根据式(23)确定k+1时刻的状态估计区间

其中，

根据式(24)确定k+1时刻的故障估计区间

其中，

若式(24)得出的故障估计区间的上下界处于0的两侧，则动力电池传感器没有发生故障。若故障估计区间的上下界同时处于0的一侧，则说明动力电池传感器发生故障，故障值处于故障估计范围内。同时故障类型不同，故障估计区间不同，根据故障估计区间可以判断动力电池传感器故障类型。

为验证本申请所提出的基于不确定噪声滤波的动力电池故障诊断方法的故障诊断的精确性和快速性，进行如下仿真实验：对于处于正常工作状态下的动力电池系统，设置在k∈{300,2000}和k∈{500,2000}的时间段内发生两种不同的传感器故障。

图3和图4分别展示了两种传感器故障估计上下界的变化情况，由图3可以看出，在k∈{0,300}时，故障估计区间的上下界处于0的两侧，此时系统也无故障信号，k∈{300,2000}时，故障估计区间处于外加故障信号的两侧，此时系统外加故障信号f

本发明实施例中的部分步骤，可以利用软件实现，相应的软件程序可以存储在可读取的存储介质中，如光盘或硬盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。