马迷娜在Applied Energy期刊发表文章

摘要：锂离子电池中的各种故障，威胁着电池系统的安全和性能，并且可能会对各类用电设备造成不良影响。电池是封闭体系，因此电池内部的异常难以辨别，且电池往往具有非线性时变特性，电池的早期故障也因此难以检测和隔离。本文基于上述问题，提出了一种多故障诊断策略，该方法重点是检测和隔离电池内部不同类型的故障，并且对电池的故障波形等进行估测。其中包括不一致评估、虚拟连接故障和外部短路等典型的电池缺陷。

本文首先建立了电池主成分分析(PCA)模型，利用其贡献值对电池组中的异常行为进行监测；一旦检测到电池故障，随即采用并行核主成分分析(KPCA)技术，重构电池参数的故障波形。其中参数主要包括欧姆电阻、端电压和开路电压等。将多种参数带入分析，并且利用这些参数作为故障指标，提高了故障诊断的可靠性。最后，用八个单元的连续测试数据核验了该方法的有效性。结果表明，基于贡献的主成分分析方法能够准确地检测出故障。此外，基于重构的并联PCA-KPCA也可以准确估计故障电池的故障波形，同时有助于了解电池的故障程度和故障原因，为电池的安全领域提供新的技术手段。

文章地址：https://doi.org/10.1016/j.apenergy.2022.119678