重慶大學(xué)：鋰電池健康管理與故障診斷

第九屆全國(guó)儲(chǔ)能科學(xué)與技術(shù)大會(huì)——先進(jìn)表征技術(shù)在儲(chǔ)能中的應(yīng)用Email:xiaosonghu@重慶大學(xué)機(jī)械與運(yùn)載工程學(xué)院學(xué)院重慶自主品牌汽車(chē)協(xié)同創(chuàng)新中心22024-3-2522323研究意義及挑戰(zhàn)32024-3-2532030年全球電化學(xué)儲(chǔ)能裝機(jī)容量展望2030年全球電化學(xué)儲(chǔ)能裝機(jī)容量展望2025年中國(guó)電化學(xué)儲(chǔ)能裝機(jī)容量展望2025年中國(guó)電化學(xué)儲(chǔ)能裝機(jī)容量展望42024-3-254殘值評(píng)估難事故危害大保障儲(chǔ)能系統(tǒng)殘值評(píng)估難事故危害大保障儲(chǔ)能系統(tǒng)健康管理故障診斷安全預(yù)警52024-3-25562024-3-256算法訓(xùn)練所需數(shù)據(jù)量大（>50%數(shù)據(jù)質(zhì)量要求高，難以實(shí)現(xiàn)早期預(yù)測(cè)算法缺乏機(jī)理解釋?zhuān)簾o(wú)法識(shí)別容量跳水，工況變動(dòng)后誤差較大72024-3-257儲(chǔ)能電站事故故障診斷與安全預(yù)警技術(shù)對(duì)于保障儲(chǔ)能系統(tǒng)安全可靠運(yùn)行至關(guān)重要2024-3-25HuX.*etal.AdvancedFaultDiagnosisforLithium-IonBatterySystems:AReviewofFaultMechanisms,FaultFeatures,andDiagnosisProcedures,IEEEIndustrialElectronicsMagazine,14,3,65-91,2020892024-3-2592323研究意義及挑戰(zhàn)1.異常電芯篩選：從電池包中篩選出健康狀態(tài)較差的單體2.機(jī)理模型：通過(guò)電化學(xué)模型提取能夠準(zhǔn)確表征電池健康狀態(tài)的內(nèi)部機(jī)理參數(shù)3.特征工程：從電池電流、電壓、溫度等外特性數(shù)據(jù)提取表征電池健康的數(shù)據(jù)特征，以及機(jī)理特征提取4.AI算法SOH估計(jì)/壽命預(yù)測(cè)：采用先進(jìn)的高斯過(guò)程回歸（GPR）和深度學(xué)習(xí)算法（DCNN）等AI算法，建立SOH估計(jì)/壽命預(yù)測(cè)模型。1.單體電池老化數(shù)據(jù)：全壽命周期的充放電數(shù)據(jù)，用于模型訓(xùn)練（本團(tuán)隊(duì)已積累了大量電池老化實(shí)驗(yàn)和工程數(shù)據(jù)）2024-3-25特征提取適用于實(shí)際應(yīng)用的特征示例特征處理流程綜合評(píng)分算法流程圖ZZ2Z1特征量與健康狀態(tài)成反比nj標(biāo)記平均特征最大的類(lèi)中的電池為0；其余類(lèi)中標(biāo)記為1。2024-3-25賈俊;胡曉松;鄧忠偉*;徐華池;肖偉;韓鋒;《數(shù)據(jù)驅(qū)動(dòng)的鋰離子電池健康狀態(tài)綜合評(píng)分及異常電池篩選》，機(jī)械工程學(xué)報(bào)，57(14),141-149,159，20212345789304560759060電池編號(hào)255循環(huán)數(shù)公開(kāi)數(shù)據(jù)集最終壽命與綜合評(píng)分有評(píng)分是一個(gè)連續(xù)的序列值，我們可以根據(jù)需要決定哪些是“差”的電無(wú)監(jiān)督學(xué)習(xí)，無(wú)需模型訓(xùn)練。2345789304560759060電池編號(hào)255循環(huán)數(shù)公開(kāi)數(shù)據(jù)集最終壽命與綜合評(píng)分有評(píng)分是一個(gè)連續(xù)的序列值，我們可以根據(jù)需要決定哪些是“差”的電無(wú)監(jiān)督學(xué)習(xí)，無(wú)需模型訓(xùn)練。數(shù)月后才報(bào)數(shù)月后才報(bào)針對(duì)工程應(yīng)用數(shù)據(jù)，提取多維特征；應(yīng)用本算法進(jìn)行綜合健康評(píng)分計(jì)算，可見(jiàn)其中2號(hào)模組始終處是評(píng)分最低而該模組在運(yùn)行前期并未報(bào)出明顯故障，直至兩個(gè)月之后才出現(xiàn)“壓差過(guò)大”和“出力不足”；本算法提前數(shù)月實(shí)現(xiàn)了異常電池篩選。2024-3-25賈俊;胡曉松;鄧忠偉*;徐華池;肖偉;韓鋒;《數(shù)據(jù)驅(qū)動(dòng)的鋰離子電池健康狀態(tài)綜合評(píng)分及異常電池篩選》，機(jī)械工程學(xué)報(bào)，57(14),141-149,159，20212024-3-25ComputationtimeComputationtime多物理場(chǎng)耦合模型電化學(xué)模型電路模型?907560453090756045300642024-3-25HuX*etal.,EfficientSimulationofLithium-IonBatteriesElectrochemicalThermalBehaviorUsingReformulatedPseudo2-DimensionalModels.14電壓RMSE電壓RMSE(mV)基于Pseudo-two-Dimensional(P2D)的全階重構(gòu)電化學(xué)模型實(shí)現(xiàn)大電流，動(dòng)態(tài)工況條件下電池內(nèi)部參數(shù)及外部特性監(jiān)控4505C放電方程個(gè)數(shù)2024-3-25HuX*etal.,EfficientSimulationofLithium-IonBatteriesElectrochemicalThermalBehaviorUsingReformulatedPseudo2-DimensionalModels.15融合式特征篩選方法2024-3-25HuX*etal.,Batteryhealthpredictionusingfusion-basedfeatureselectionandmachinelearning,IEEETransactionsonTransportationElectrification,7,382-398,2021.基于隨機(jī)局部充電片段的特征提取std_△Q即可提取高相關(guān)性特征(ρ>0.8）2024-3-25DengZ,HuX*etal.,Data-drivenbatterystateofhealthestimationbasedonrandompartialchargingdata,IEEETransactionsonPowerElectronics,37(5):5021-175031,2021.基于機(jī)理模型的特征提取StartpointNoisyinputPrediction0StartpointNoisyinput2024-3-25XuL,HuX.*etal.Anovelhybridphysics-basedanddata-drivenapproachfordegradationtrajectorypredictioninLi-ionbatteries.IEEETransactionson18TransportationElectrification,2022.基于衰減類(lèi)型識(shí)別與遷移學(xué)習(xí)的SOH估計(jì)方法基于衰減特征識(shí)別與遷移學(xué)習(xí)的SOH估計(jì)2024-3-25DengZ,HuX*etal.,Batteryhealthestimationwithdegradationpatternrecognitionandtransferlearning.JournalofPowerSources,525:231027,2022.19基于有限標(biāo)簽與領(lǐng)域自適應(yīng)的電池組SOH快速檢測(cè)通過(guò)實(shí)際充電測(cè)試產(chǎn)生標(biāo)簽，并辨識(shí)得到電池模型，構(gòu)建電池系統(tǒng)數(shù)字孿生模2024-3-25Z.Deng,L.Xu*,H.Liu,X.Hu,B.Wang,andJ.Zhou,"Rapidhealthestimationofin-servicebatterypacksbasedonlimitedlabelsanddomainadaptation,"Journalof20EnergyChemistry,2023.基于有限標(biāo)簽與領(lǐng)域自適應(yīng)的電池組SOH快速檢測(cè)10輛車(chē)充電測(cè)試數(shù)據(jù)開(kāi)源：https://githudata-of-in-service-electric-vehicl2024-3-25Z.Deng,L.Xu*,H.Liu,X.Hu,B.Wang,andJ.Zhou,"Rapidhealthestimationofin-servicebatterypacksbasedonlimitedlabelsanddomainadaptation,"Journalof21EnergyChemistry,2023.在役電池系統(tǒng)衰減軌跡預(yù)測(cè)利用安時(shí)積分公式變換，計(jì)算電池容量，以一個(gè)月內(nèi)的中值容量為分析充電數(shù)據(jù)的月份統(tǒng)計(jì)特征與電池容量的相關(guān)性，設(shè)計(jì)特征篩選程a 1/TengMichael/battery-chardata-of-on-road-electric-ve2024-3-25roadvehicles.AppliedEnergy.2023;339:120954.22在役電池系統(tǒng)衰減軌跡預(yù)測(cè)利用序列對(duì)序列（Seq2Seq）模型進(jìn)行未來(lái)容基于早期數(shù)據(jù)（前3個(gè)月），可以正確預(yù)測(cè)未來(lái)容量軌跡，未來(lái)26個(gè)月的預(yù)測(cè)f11f12||f11f12||nf1n…f1ncn+p」cn+p」2024-3-25roadvehicles.AppliedEnergy.2023;339:120954.23Capacity[Ah]Capacity[Ah]算法框架95%Confidenceinterval—Self-trainingbasedpredictionTDL+GPRbasedpredictionRealValue...Threshold基于單體數(shù)據(jù)建立健康因子全壽命周期衰減模型基于單體完整數(shù)據(jù)集的健康因子實(shí)用性分析75Capacity[Ah]Capacity[Ah]算法框架95%Confidenceinterval—Self-trainingbasedpredictionTDL+GPRbasedpredictionRealValue...Threshold基于單體數(shù)據(jù)建立健康因子全壽命周期衰減模型基于單體完整數(shù)據(jù)集的健康因子實(shí)用性分析75105CBC#1——▲CBC#3--◆CBC#5--CBC#7----★CBC#9--CBC#11-1--CBC#13----CBC#15--●CBC#2CBC#4CBC#6CBC#8CBC#10 CBC#12×CBC#14CBC#16基于電池組早期數(shù)據(jù)修正健康因子衰減模型以適應(yīng)各單體健康因子變化趨勢(shì)電池組每個(gè)單體健康因子提取10095外推各單體的健康因子隨循環(huán)次數(shù)的變化，得到各循環(huán)單體健康因子的預(yù)測(cè)值預(yù)測(cè)未來(lái)電池組衰減至初始容量70%的循環(huán)容量及剩余壽命85800100200300400Cycles95909590電池單體全壽命周期電池單體全壽命周期完整循環(huán)數(shù)據(jù)健康因子提取0100200300400電池組早期循環(huán)完整電池組早期循環(huán)完整數(shù)據(jù)90利用早期數(shù)據(jù)建立單利用早期數(shù)據(jù)建立單體健康因子和電池組容量的機(jī)器學(xué)習(xí)模型 (N維輸入1維輸出)75電池單體參考模型建立電池組估計(jì)模型建立模型修正過(guò)程預(yù)測(cè)過(guò)程2024-3-25CheY,HuX.*etal.LifetimeandAgingDegradationPrognosticsforLithium-ionBatteryPacksBasedonaCelltoPackMethod.ChineseJournalofMechanical24Engineering,2022,35(1):1-16.2024-3-252323研究意義及挑戰(zhàn)262024-3-2526輸入數(shù)據(jù)診斷算法故障判斷輸出故障電池組模型，借助狀態(tài)估計(jì)、參數(shù)辨識(shí)等方法檢測(cè)故障提取有效特征，利用信號(hào)處理、統(tǒng)計(jì)和機(jī)器學(xué)習(xí)算法檢測(cè)故障組結(jié)構(gòu)、結(jié)構(gòu)分析理論、殘差特性等，建立多故障診斷算法框架及規(guī)則庫(kù)時(shí)間電流總電壓?jiǎn)误w電壓探針溫度充電信息絕緣電阻閾值比較過(guò)充/放/熱、內(nèi)/外短路異常衰減、熱失控輸入數(shù)據(jù)診斷算法故障判斷輸出故障電池組模型，借助狀態(tài)估計(jì)、參數(shù)辨識(shí)等方法檢測(cè)故障提取有效特征，利用信號(hào)處理、統(tǒng)計(jì)和機(jī)器學(xué)習(xí)算法檢測(cè)故障組結(jié)構(gòu)、結(jié)構(gòu)分析理論、殘差特性等，建立多故障診斷算法框架及規(guī)則庫(kù)時(shí)間電流總電壓?jiǎn)误w電壓探針溫度充電信息絕緣電阻閾值比較過(guò)充/放/熱、內(nèi)/外短路異常衰減、熱失控電流/電壓/溫度信號(hào)偏差、漂移、卡死電池連接故障冷卻系故障特征參數(shù)IC曲線(xiàn)分析熵值法狀態(tài)表示法相關(guān)系數(shù)法統(tǒng)計(jì)推斷基于模型狀態(tài)估計(jì)狀態(tài)、參數(shù)基于規(guī)則信號(hào)處理參數(shù)估計(jì)統(tǒng)計(jì)指標(biāo)電池傳感器執(zhí)行器云端線(xiàn)上大數(shù)據(jù)線(xiàn)下短時(shí)數(shù)據(jù)1.云端大數(shù)據(jù)：電流、總電壓、單體電壓、單體/探針溫度、充電信息、串并聯(lián)結(jié)構(gòu)、絕緣電阻，用于特征提取和故障診斷，總體數(shù)據(jù)包含正常和故障數(shù)據(jù)2.線(xiàn)下短時(shí)數(shù)據(jù)：電流、總電壓、單體電壓、單體/探針溫度、標(biāo)稱(chēng)容量，用于狀態(tài)/參數(shù)估計(jì)、特征提取和故障診斷EKF:擴(kuò)展卡爾曼濾波CUSUM:累積和FDI:故障檢測(cè)和分離2024-3-25ZhangK.,HuX.*,etal.,Multi-faultDetectionandIsolationforLithium-IonBatterySystems,IEEETransactionsonPowerElectronics,37,1,971-989,2022.27表格1：不同故障與觀(guān)測(cè)器O1、O2的對(duì)應(yīng)關(guān)系……111111111100000001000010000000011000110001100011002024-3-25ZhangK.,HuX.*,etal.,Multi-faultDetectionandIsolationforLithium-IonBatterySystems,IEEETransactionsonPowerElectronics,37,1,971-989,2022.28內(nèi)短路模擬離群點(diǎn)檢測(cè)概念圖不同短路內(nèi)阻下的IC曲線(xiàn)2024-3-25ZhangK,JiangL,DengZ,XieY,CoutureJ,CoutureLin,J.,Lin,X.,Zhou,J.,Hu,X.*.AnEarlySoftInternalShort-CircuitFaultDiagnosisMethodforLithium-Ion29BatteryPacksinElectricVehicles.IEEE/ASMETransactionsonMechatronics.2023,28(2):644-655.測(cè)結(jié)果結(jié)論：49#存在異常測(cè)結(jié)果結(jié)論：49#存在異常②電池包內(nèi)各單體②電池包內(nèi)各單體IC各單體電壓曲線(xiàn)③不同充電片段的IC曲線(xiàn)特征變化④段的離群檢#492024-3-25ZhangK,JiangL,DengZ,XieY,CoutureJ,CoutureLin,J.,Lin,X.,Zhou,J.,Hu,X.*.AnEarlySoftInternalShort-CircuitFaultDiagnosisMethodforLithium-Ion