基于模型的锂离子电池随机故障检测与诊断

锂离子电池（Li-ion）因其更高的能量密度与更长的生命周期，正成为混合动力及电动汽车等诸多应用中的主导储能方案。对于这些应用，电池应可靠运行且不带来安全威胁。然而，锂离子电池的性能会受异常热行为（定义为故障）的影响。开发可靠的热管理系统以准确预测与监测锂离子电池热行为至关重要。利用电池的第一性原理模型，本工作提出一种随机故障检测与诊断（FDD）算法，利用温度等易测物理量识别锂离子电芯中的两类特定故障。锂离子电池模型通常源自底层物理现象。为使模型易处理且有用，常在模型开发中做简化，这可能随之引入模型与电芯间的失配。此外，FDD算法会受不确定性影响，其可能源自内在时变现象或用含噪数据进行的模型标定。本工作开发了两步FDD算法，以修正锂离子电芯模型并从正常工况中识别故障运行。提出一个迭代优化问题，通过纳入测量量与模型预测间误差来修正模型，随后是基于优化的FDD，在考虑不确定性的同时给出可能故障发生的概率性描述。与蒙特卡洛（MC）仿真相比，本工作的两步随机FDD算法在锂离子电池单独与同时故障的检测率方面均表现高效。