[发明专利]一种锂离子动力电池的漏液检测方法

权利要求书

1.一种锂离子动力电池的漏液检测方法，其特征在于：具体包括以下步骤：

步骤一、对不同锂离子动力电池进行多组外部短路试验，记录电流、电压以及温度数据；

步骤二、对锂离子动力电池建立电池模型，并基于所述步骤一中记录的所述数据对所述电池模型进行参数辨识，并确定发生短路故障状态阈值以及发生漏液状态阈值；

步骤三、利用步骤二中所建立的电池模型对故障进行在线诊断，并根据动力电池数据判断其与发生短路故障状态以及发生漏液状态的吻合度；

步骤四、建立基于随机森林算法的分类器，并根据所述步骤一中记录的所述数据对所述分类器进行训练，实现对发生短路故障状态以及发生漏液状态的监测。

步骤五、联合所述电池模型以及所述基于随机森林算法的分类器对是否发生漏液进行检测。

2.如权利要求1所述的方法，其特征在于：所述步骤二具体包括：

所建立的电池模型采用分数阶阻抗模型，利用未发生漏液时的电流、电压以及温度数据对所述模型进行训练，从而建立出能够模拟非漏液状态下外部短路电特性变化的电池模型；基于遗传算法对所述分数阶阻抗模型进行参数辨识。

3.如权利要求2所述的方法，其特征在于：所述步骤三所述的对故障进行在线诊断具体包括：

对实际动力电池电压与所述分数阶阻抗模型在短路故障状态下输出的电压进行比较，计算从短路开始到当前时刻的时间段内的吻合度χ：

V_m为模型预测端电压，V为电池实际端电压，n为数据长度。

将所述吻合度χ与所述步骤二中确定的所述发生短路故障状态阈值δ₁以及发生漏液状态阈值δ₂进行比较。

4.如权利要求1所述的方法，其特征在于：所述步骤四中所建立的基于随机森林算法的分类器及其训练过程具体包括：

4.1、采集短路发生后M个锂离子动力电池样本中漏液电池与非漏液电池的最大温升与放电容量统计数据，作为总训练数据集输入至随机森林算法中；

4.2、利用Bootstrap方法进行重采样，随机产生N个训练数据集S₁,S₂,…,S_N。其中，S_i(1≤i≤N)为第i次从M个电池样本数据中有放回的抽取形成的数据集；

4.3、基于所产生的N个训练数据集分别随机生成N棵决策树，每棵决策树被训练后掌握通过最大温升与放电容量数据判断是否发生漏液的分类能力。

5.如权利要求3所述的方法，其特征在于：所述步骤五中所述的联合所述分数阶阻抗模型以及所述基于随机森林算法的分类器进行检测，具体包括：

5.1、根据吻合度χ与所述发生短路故障状态阈值δ₁以及发生漏液状态阈值δ₂的比较结果进行判断，若χ＞δ₂，认为没有发生漏液，赋值K1＝0；若δ₁<χ<δ₂，则认为发生漏液，赋值K＝1；

5.2、运行基于随机森林算法的分类器，将采集到的锂离子动力电池最大温升与放电量作为测试数据集X输入至已训练好的各棵决策树中，输出漏液监测状态K2，当发生漏液时赋值K2＝1；

5.3、当K1与K2同时为1时，赋值K＝1，表示电池发生漏液，否则K＝0，表示未发生漏液。