基于小波分解和 Hilbert 包络谱分析的电池故障诊断方法

常春，王启悦, 姜久春*，高洋，吴铁洲

（1. 湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室，湖北 武汉 430068；2. 欣旺达电子股份公司，广东 深圳 518108；3. 华南理工大学电力学院，广东 广州 510641）

0 引言

动力电池作为电动汽车的主要动力来源，当电池出现一些明显或不易检测的故障时，容易引起电动汽车以及人身安全问题[1]。由于单体电池不能满足电动汽车的动力需求，单体电池通常以串并联成组的方式存在。如果其中一只单体电池出现故障，就会对整个电池组有重大的影响，因此对电池故障进行提前预警具有十分重要的意义[2]。常用的电池故障诊断方法主要有基于电池模型的和基于数据驱动的两类。由于电池原理复杂，建立的电池模型适应性小。相对来说，数据驱动方法无需分析电池内部机理，所以灵活性较强。数据驱动方法是对系统的运行数据进行信号分析和处理，提取反映电池故障的特征参数，结合相应算法进行电池故障的检测和识别。Xia 等人使用移动窗口过滤器对采集的电压数据进行处理，提取历史时间窗口内电压数据的相关系数作为故障特征，并基于数据驱动的故障诊断方法，通过相关系数下降与电池异常电压降的关联关系，在线识别电池短路故障[3]。Yang 等人针对外短路实验中发生的电解液泄漏行为，使用随机森林的分类方法，以电池容量和温升作为故障表征参数来判断故障信息。并计算实测电压与估计电压之间的均方根误差，通过设置不同大小的阈值，对电解液泄露的情况进行预警[4]。……