摘要
目前，锂离子电池被广泛应用于电动汽车和储能领域。因设计缺陷或滥用造成的电池短路故障已成为限制其安全应用的潜在风险因素，所以对锂离子电池短路故障进行有效的诊断就显得尤为重要。论文对锂离子电池短路故障诊断方法展开研究，主要内容如下： 首先，对锂离子电池单体、模组的短路故障特性及其故障诊断方法进行了综述，并对单体电池等效电路模型、基本参数特性进行了分析。在单体电池等效电路模型的基础上建立了能表征短路故障状态的等效电路模型，通过对所得等效电路模型参数进行分析，进一步筛选出了能反映单体电池发生短路故障的关键参数，为电池模组短路故障诊断方法研究奠定了一定的理论基础。 其次，基于电池组内单体电池短路故障电压信号特征，研究了一种基于改进分段近似拟合算法和离群点识别的故障诊断方法。该方法利用改进分段近似拟合算法对时间序列的电压信号进行降维处理，然后采用动态 k值的 K-means++聚类算法计算分类结果，利用异常值识别方法计算剔除每个样本后的戴维斯-布尔丁指数，通过戴维斯-布尔丁指数反映每个样本对分类结果的影响程度，并根据 Z-score方法所设计的故障阈值进行故障发生与否的判别。 最后，针对锂离子电池早期短路故障研究了一种基于容量增量分析法的短路故障诊断方法。该方法结合卷积神经网络和双向长短期记忆网络构建了CNN-BiLSTM网络模型，并将该网络模型用于容量预测，同时采用麻雀搜索算法对CNN-BiLSTM网络模型参数进行了优化。在所得容量曲线基础上进一步求解得到容量增量曲线，结合容量增量分析法对锂离子电池早期短路的故障参数进行求解，通过求解出的短路电阻参数与设定值进行比较，进而判断出早期故障是否发生。实验结果表明该方法对锂离子电池早期故障诊断具有较高的准确性。
NETL