极端快充下圆柱形电池故障检测：一种基于物理的学习方法

极端快充中的高功率运行显著增加了电动汽车电池内部故障的风险，可导致电池加速失效。这些故障的早期检测对电池安全与快充的广泛部署至关重要。在此背景下，我们提出一种针对电池电压与热故障的实时检测框架。电池故障检测的一大挑战来自传感器误差、标称老化或未建模动力学所致不确定性的影响。受基于物理的学习启发，我们探索一种结合基于物理的模型、基于模型的检测观测器与数据驱动学习技术的检测范式以应对该挑战。具体而言，我们基于实验辨识的电化学-热模型构建检测观测器，并随后依据李雅普诺夫稳定性理论设计观测器调谐参数。此外，我们利用高斯过程回归技术学习模型与测量不确定性，进而辅助检测观测器区分故障与不确定性。这种不确定性学习本质上有助于抑制其影响，潜在地实现故障的早期检测。我们对所提故障检测方案进行仿真与实验案例研究，验证了基于物理的学习在电池故障早期检测中的潜力。