基于组合模型的锂电池故障诊断研究

作     者：伍华祥 

作者单位：盐城工学院 

学位级别：硕士

导师姓名：彭思敏

授予年度：2024年

学科分类：0808[工学-电气工程] 08[工学] 

主      题：锂电池 故障诊断 不一致性 组合模型 

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)根据数据的特点,对灰色模型GM(1,1)模型进行改进,提高预测的准确性;3)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。