基于组合模型的锂电池故障诊断研究.pdf
摘要
摘要
随着经济全球化的推进与深化,传统石化能源的过度使用导致环境急剧恶化,
严重损害人类可持续发展。当前越来越多的国家开始转向更清洁、可再生的能源
来源,如太阳能、风能等。然而风电和太阳能发电具有的间歇性、随机性和波动
性等缺点,导致其大规模应用受阻,电池储能系统应运而生。电池系统作为电池
储能系统能量存储的主要载体,对其精细化管理尤为重要。能量密度高和可循环
使用次数多等优点使得锂离子电池在电池家族脱颖而出被广泛应用。在实际应用
中,为了满足负载对电压或功率的需求,通常将成百上千个单体电池串、并联组
成电池系统。单个电池故障可能带来电池系统安全风险,甚至可能引发灾难性后
果。因此,迫切需要解决锂离子电池故障诊断这一难题。本文主要致力于基于组
合模型的锂电池故障诊断研究。论文的具体研究工作有:
1
()分析了锂离子电池的工作原理、主要特性参数、影响电池性能的因素,
以及常见电池故障的原因。
(2)针对故障诊断结果易受到电池数据波动影响的问题,提出了一种基于
能量差的故障特征提取方法。通过对锂离子电池充放电循环数据的分析,总结了
截止电压和充电时长的关系。结合电池串联的工作特性,推导出正常电池电体与
故障电池单体的能量差关系。最后通过仿真分析验证该故障特征提取的有效性。
3
()针对诊断模型建模要求复杂且诊断精度不理想的问题,提出一种基于
组合模型的锂电池故障诊断方法。该方法包括三个方面:1)基于能量差的故障
特征的工作特性分析,一定程度降低了BP神经网络等模型的数据训练量;2)
GM1,13
根据数据的特点,对灰色模型()模型进行改进,提高预测的准确性;)
为提高故障诊断模型的适用性,提出一种基于改进的灰色模型GM(1,1)模型
和两个BP神经网络的电池故障诊断组合模型。在Matlab环境下,搭建了电池组
故障诊断模型,通过实验数据验证了所提方法能提高预测模型的精度。
关键词:锂电池,故障诊断,不一致性,组合模型
Ⅰ
Abstract
Abstract
Withtheadvancementanddeepeningofeconomicglobalization,theexcessive
useoftraditionalpetrochemicalenergyhasledtoarapiddeteriorationofthe
environment,severelyharmingsustainablehumandevelopment.Astimegoeson,an
increasingnumberofcountriesandregionsaretakingactiontoreducetheir
dependenceonfossilfuelsandshifttowardscleaner,renewableenergysourcessuchas
solar,wind,andhydroelectricpower.However,theintermittency,randomness,and
volatilityofwindandsolarpowergenerationhindertheirlarge-scaleapplication,
leadingtotheemergenceofbatteryenergystoragesystems.Asthemaincarrierof
energystorageinbatteryenergystoragesystems,precisemanagementofbattery
systemsisparticularlyimportant.Lithium-ionbatt