电池充电状态和电压/温度异常联合故障诊断

电池安全问题是阻碍新能源汽车退役电池梯次再利用的关键因素,而电荷状态、电压和温度是判断电池安全状态的重要参数。基于此,提出基于实车数据的电池联合故障诊断。首先从实车数据平台获取数据,经过数据的预处理和螳螂算法优化K近邻(dung beetle optimizes K-nearest neighbor, DBO-KNN)算法进行特征提取,然后将提取的特征输入到建立的差分整合移动平均自回归(autoregressive integrated moving average model, ARIMA)故障诊断模型中,实现对电池单体的低压和过压的实时诊断和精准定位,最后通过电压、电池荷电状态(state of charge, SOC)和温度进行联合判断是否有触发热失控的风险,根据危险程度发出不同的报警等级。算例分析了故障特征提取准确率高达98.97%,不仅能精准定位单体发生异常的位置,还能提前9 s发生报警,有效预防了电池发生热失控的风险,验证了本文方法的有效性。实现了工程实际应用方面的较好效果,为未来动力电池梯次循环利用以及安全预警平台的研发奠定了基础。