← 返回
一种基于极值样本熵的电动汽车锂离子电池微小短路故障诊断方法
An Applicable Minor Short-Circuit Fault Diagnosis Method for Automotive Lithium-Ion Batteries Based on Extremum Sample Entropy
| 作者 | Ziheng Mao · Xin Gu · Jinglun Li · Kailong Liu · Teng Wang · Yunlong Shang |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2024年4月 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 故障诊断 电池管理系统BMS 机器学习 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 锂离子电池 故障诊断 微短路 极值样本熵 电动汽车 电池管理系统 |
语言:
中文摘要
保障锂离子电池模块安全是推广电动汽车的关键。在实际应用中，仅能获取模块总电压及单体最大/最小电压，导致现有方法难以诊断故障。本文提出一种基于极值样本熵的微小短路故障诊断方法，有效解决了在有限数据条件下对电动汽车电池模块进行故障诊断的难题。
English Abstract
Maintaining the safety of lithium-ion battery modules is the priority in promoting the application of electric vehicles (EVs). In practical EV applications, only the total voltage of the battery module and the maximum/minimum cell voltages are available. Under this circumstance, most existing methods are unable to diagnose the faults of EV battery modules. Therefore, an applicable minor short-circ...
S
SunView 深度解读
该研究提出的基于极值样本熵的故障诊断算法，对于阳光电源的储能系统（PowerTitan、PowerStack）及BMS研发具有重要参考价值。储能系统在运行中同样面临单体电池微小短路难以早期发现的痛点，该方法在仅有有限监测数据的情况下即可实现诊断，能够显著提升阳光电源iSolarCloud平台对储能电站的运维智能化水平，降低热失控风险。建议将此算法集成至BMS底层逻辑中，以增强系统在电网侧及用户侧储能应用中的安全可靠性。