从电池储能系统现场故障数据中提取健康特征

健康监测方法对于并网锂离子电池模组防止可能导致灾难性事件的故障至关重要。然而，从运行数据中评估模组内电芯的健康状况面临挑战，包括直接混淆健康特征的可变运行条件，以及模组内稀疏的传感（尤其是在并联电芯中），这阻碍了观察单个电芯的关键状态。在这里，我们提出了一个从电池模组运行数据中提取和校准健康特征的框架，以识别用于区分模组内故障并联电芯组的判别性特征。我们将此框架应用于25个商用并网锂离子电池储能系统（BESS）模组的运行数据。每个模组由14个串联的并联组组成，其中一个通过事后调查被确认为故障；总数据集包括25个故障和325个非故障电芯组。对这些校准特征的统计评估表明，组级容量、容量衰减率和dV/dQ峰高能够以统计学显著性（p<0.05）区分模组内故障的并联电芯组。相反，组内阻则不能（p>0.05），表明电阻增加不是该数据集中故障的主要特征。这些发现挑战了仅依赖电阻特征进行故障检测的做法。观察到的特征迹象表明了潜在的失效机制，增进了对锂离子电池模组在现场运行期间故障行为的理解。更重要的是，这项工作展示了一个在真实世界运行条件下稳健监测锂离子电池模组电芯健康状况的框架。