CN118501744B 硬殼電池過充內(nèi)壓診斷方法、診斷系統(tǒng)和電池管理系統(tǒng) （華中科技大學(xué)）

US2021190869A1,2021.06.24電池表面溫度實(shí)測(cè)值和荷電狀態(tài)SOC的近似物理的總損失函數(shù)綜合PINN模型預(yù)測(cè)數(shù)據(jù)、實(shí)測(cè)數(shù)2將待測(cè)電池表面溫度實(shí)測(cè)值和SOC共同輸入至訓(xùn)練好的PINN模型，得到待測(cè)電池防爆計(jì)算待測(cè)電池防爆閥表面應(yīng)變參數(shù)預(yù)測(cè)值和應(yīng)變參數(shù)實(shí)測(cè)入PINN模型進(jìn)行訓(xùn)練，使其同時(shí)學(xué)習(xí)電池防爆閥應(yīng)變參數(shù)和電池表面溫度與SOC的近似物所述殘差序列為電池SOC和表面溫度分別輸入至訓(xùn)練好的PINN模型得到的預(yù)測(cè)值和對(duì)8.如權(quán)利要求1至7任一項(xiàng)所述的診斷方法，其特測(cè)量電路，用于實(shí)時(shí)采集防爆閥表面應(yīng)變參數(shù)實(shí)測(cè)值、34直接影響了儲(chǔ)能電站的運(yùn)行效率。同時(shí)目前的預(yù)警策略多是通過固定閾值的方法監(jiān)測(cè)異[0008]將待測(cè)電池表面溫度實(shí)測(cè)值和SOC共同輸入至訓(xùn)練好的PINN模型，得到待測(cè)電池[0011]以(電池表面溫度，SOC)作為訓(xùn)練樣本，電池防爆閥表面應(yīng)變參數(shù)實(shí)測(cè)值作為標(biāo)5[0016]所述殘差序列為電池SOC和表面溫度分別輸入至訓(xùn)練好的PINN模型得到的預(yù)測(cè)值[0018]優(yōu)選地，所有訓(xùn)練樣本來自于相同型號(hào)電池內(nèi)壓正常下的各種充電模式工況試過檢測(cè)電池防爆閥表面的非電氣量——應(yīng)變參數(shù)，分別構(gòu)建應(yīng)變參數(shù)-電池表面溫度實(shí)測(cè)值和荷電狀態(tài)SOC的近似物理模型和PINN模型，將近似物理模型中各物理參量作為待訓(xùn)練6[0028]圖2為本申請(qǐng)實(shí)施例提供的基于物理信息融合的神經(jīng)網(wǎng)絡(luò)(PINN)的鋰電池防爆閥[0029]圖3為本申請(qǐng)實(shí)施例提供的基于物理信息融合的神經(jīng)網(wǎng)絡(luò)(PINN)鋰電池防爆閥應(yīng)[0030]圖4為本申請(qǐng)實(shí)施例提供的基于物理信息融合的神經(jīng)網(wǎng)絡(luò)(PINN)訓(xùn)練集殘差分布[0032]圖6為本申請(qǐng)實(shí)施例提供的基于物理信息融合的神經(jīng)網(wǎng)絡(luò)(PINN)內(nèi)壓正常工況下[0033]圖7為本申請(qǐng)實(shí)施例提供的鋰電池在0.5C恒流充電工況下防爆閥應(yīng)變片電阻預(yù)測(cè)[0034]圖8為本申請(qǐng)實(shí)施例提供的鋰電池在過充致使內(nèi)壓異常工況下驗(yàn)證集預(yù)測(cè)值和實(shí)[0035]圖9為本申請(qǐng)實(shí)施例提供的鋰電池過充致使內(nèi)壓異常工況下防爆閥應(yīng)變片電阻預(yù)7[0045]將待測(cè)電池表面溫度實(shí)測(cè)值和SOC共同輸入至訓(xùn)練好的PINN模型，得到待測(cè)電池[0048]以(電池表面溫度，SOC)作為訓(xùn)練樣本，電池防爆閥表面應(yīng)變參數(shù)實(shí)測(cè)值作為標(biāo)內(nèi)部壓力因電極材料脫嵌鋰和產(chǎn)熱而變化，所以通過不同充電模式工況下(如恒流恒壓充[0054]所述殘差序列為電池SOC和表面溫度分別輸入至訓(xùn)練好的PINN模型得到的預(yù)測(cè)值[0056]優(yōu)選地，所有訓(xùn)練樣本來自于相同型號(hào)電池內(nèi)壓正常下的各種充電模式工況試8[0065]步驟S1.構(gòu)建鋰電池防爆閥表面應(yīng)變片電9池溫度與SOC的近似物理模型，此近似模型反映電池內(nèi)壓正常情況下的防爆閥表面應(yīng)變片[0094]步驟S2.基于物理信息融合的神經(jīng)網(wǎng)絡(luò)(PI征和實(shí)驗(yàn)數(shù)據(jù)的數(shù)據(jù)特征，同時(shí)還可以利用神經(jīng)網(wǎng)絡(luò)的梯度下降原理對(duì)近似模型中的K1、4近似物理方程和神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)數(shù)據(jù)之間的偏離度；loss3表征神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)數(shù)據(jù)與實(shí)測(cè)數(shù)于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的損失函數(shù)loss，并將最終得到一組擬合好的常系數(shù)K1～K6和用于預(yù)測(cè)的[0106]步驟S3.基于鋰電池防爆閥應(yīng)變片并利用訓(xùn)練過程中的預(yù)測(cè)值于實(shí)際值的殘差確定其分布函數(shù)如圖5所示，通過殘差分布直[0115]根據(jù)上述精確模型計(jì)算得到鋰電池內(nèi)壓正常狀態(tài)下的防爆閥表面應(yīng)變片理論電[0116]用該方法得到的診斷閾值不受應(yīng)變片電阻初值和電池差的技術(shù)方案本質(zhì)上或者說對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的部分可以以軟件[0125]可以理解的是，本申請(qǐng)實(shí)施例中的處理器可以是中央處理單元(centralprocessingunit，CPU)，還可以是其他通用處理器、數(shù)字信號(hào)處理器(digitalsignal編程只讀存儲(chǔ)器(programmablerom，PROM)、可擦除可編程只讀存儲(chǔ)器(erasablePROM，機(jī)可讀存儲(chǔ)介質(zhì)可以是計(jì)算機(jī)能夠存取的任何可用介質(zhì)或者是包含一個(gè)或多個(gè)可用介質(zhì)[0128]可以理解的是，在本申請(qǐng)實(shí)施例中涉及的各種數(shù)字編號(hào)僅為描述方便進(jìn)行的區(qū)