近日，我院智能车辆工程系新能源动力系统智能管理与控制团队在动力电池组内短路故障诊断研究领域取得新进展。相关研究成果“Model-Free Quantitative Diagnosis of Internal Short Circuit for Sodium-Ion Batteries with Charging Capacity Difference Analysis”在电力电子领域Top期刊《IEEE Transactions on Power Electronics》上发表。
准确定量诊断电动汽车和储能系统中的钠离子电池内短路（Internal Short Circuit，ISC）故障对提升电池系统安全性至关重要。尽管国内外在ISC故障诊断的特定场景研究中取得一定进展，但仍面临诸多挑战：基于模型的方法因在线参数识别技术尚不成熟、模型更新缓慢及电池容量衰减等问题导致诊断精度较低；基于数学工具的方法虽可检测ISC故障发生，却无法量化ISC电阻；基于机器学习的方法则在泛化能力、计算资源需求及车载电池管理系统实际应用方面存在局限。此外，实际车辆数据常受噪声干扰且完整充电曲线难以获取，这些因素限制了定量诊断方法的适用性。值得注意的是，当前研究多集中于锂离子电池，针对钠离子电池ISC故障诊断的研究相对匮乏。针对上述问题，团队提出一种基于充电容量差异（Charging Capacity Difference，CCD）分析的无模型方法，实现了对钠离子电池ISC的定量诊断。
团队首先采用改进阈值的小波去噪算法，从含噪电压和电流数据中提取真实信号。随后针对钠离子电池独特的电化学特性，如电压时滞现象发生于低荷电状态（State of Charge，SOC），创新性地利用常用SOC区间数据计算ISC故障电池与正常电池间CCD变化量来估算ISC电阻，成功克服实际车辆环境中完整充电曲线获取困难的挑战。同时，通过考虑充电过程中ISC电池的漏电量，进一步提升了故障诊断准确性。实验结果表明，该方法可在不同严重程度的ISC故障下实现短路电阻的准确估计，并对电池容量不一致性保持良好鲁棒性。与现有无模型方法相比，所提出的方法显著提高了诊断准确性，同时扩展了适用性。
该项研究得到了教育部“春晖计划”（HZKY20220200）、福建省特种智能装备测控重点实验室开放基金项目（FJIES2023KF16）、中央高校基本科研业务费专项资金（JZ2023YQTD0073）的支持。我院智能车辆工程系硕士研究生刘港为论文第一作者，博士研究生高正鹏为第二作者，武骥副教授为通讯作者，合作作者包括刘兴涛副教授及中国科学院福建物质结构研究所林名强研究员。
近年来，依托安徽省智慧交通车路协同工程研究中心，新能源动力系统智能管理与控制团队面向车辆和新能源领域的实际需求，针对电池系统全生命周期建模仿真、状态估计和优化管理的科学与技术问题开展研究工作，在Cell旗下Cell Reports Physical Science，IEEE汇刊IEEE Transactions on Power Electronics、IEEE Transactions on Industrial Electronics等期刊发表了一系列高水平研究论文，为我校智能车辆工程、新能源科学与工程等专业的建设和发展提供有力支撑。
论文链接：https://ieeexplore.ieee.org/document/10945515
