大唐恩智浦创新：推出融合EIS的亚健康电芯6D检测算法！

随着新能源行业的快速发展，以锂电为主的各类新能源已经渗透到了社会中的方方面面，使用场景越来越广，每年新建的大型储能电站、工商业储能以及家庭储能越来越多，新能源汽车也越来越普及，甚至一场新能源汽车的发布会都能引起全民关注的现象，也说明了以锂电为主的新能源已经成为了社会发展的重要基石。

但随着锂电的广泛使用，一些安全问题也时不时地会暴露出来，也是因为大家已经无法离开新能源，对这种安全相关事故始终保持着超高的关注度，在这种情况下，没有任何一家新能源厂家愿意成为这种负面新闻的关注点，努力提高自身的硬实力、发展新能源相关技术、准确预估安全风险、保障新能源的安全使用等等都是每家新能源厂家的愿景。

 

要保证锂电的安全使用，新能源厂家们不仅要在电芯研发、设计、生产、制造上下功夫，

对电池管理系统（BMS）的关注度‍‍‍‍‍‍‍也是与日俱增‍‍‍‍

1

 

一

BMS

BMS整体上可以分为硬件和软件两部分。

BMS硬件

 

BMS硬件包括模拟前端采样芯片(AFE)和微控制器芯片(MCU)，

AFE负责对电池进行各种特征数据采集，包括电压、温度等。

MCU负责本地的一些控制和运算，将AFE采集的数据进行处理，结合一些简单算法和控制逻辑来管理电芯，或则将数据上传到云端进行远程监控和更复杂的算法计算处理。

BMS软件

 

BMS软件主要为运行于MCU端的嵌入式软件和运行于云平台的监控终端，嵌入式软件可以处理少量数据，并进行一些简单的逻辑判断，而更复杂的数据处理和控制则通常依托云平台来负责。

 

AFE采集的数据将影响后端的软件控制策略是否准确，AFE采集的数据精度越高，数据越丰富，软件控制策略就越准确。

大唐恩智浦的先进AFE产品 在 电压和温度检测精度已达到行业领先水平的同时，集成了在线电化学交流阻抗谱（EIS）检测功能，对电池的可检测特征数据直接拓宽了几个维度，使得后端软件高级功能变得更丰富，判断逻辑和控制策略也更准确。

EIS在电化学领域具有广泛的应用价值，可以用来研究电池的电极材料、电极反应的动力学过程、电池性能评估、实时在线荷电状态和老化程度估算、超前安全预警等等多个方面。‍但要会遇到以下几点挑战

EIS应用面临的挑战

1.

系统相关研发工程师需要具备较强的电化学专业知识

2.

需要借助多种专业分析工具和相应的软件平台

3.

基于在线交流阻抗谱检测技术的算法设计复杂，开发周期较长

4.

算法可部署平台有限，对算力等资源要求较高

5.

前期需要对各种类型的电芯做较长时间的各种标定工作，收集大量数据

面对这些挑战

大唐恩智浦的创新成果：

融合EIS的亚健康电芯6D检测算法

（以下简称算法）

可以完美解决以上几个难点

让终端客户可以快速简单地

使用在线EIS检测技术 

2

 

一

融合EIS的6D检测

 

该算法需搭配大唐恩智浦DNB11系列AFE芯片使用，如下为算法介绍：

算法包含的6D检测，指的是电芯的电压、温度、EIS实部、EIS虚部、EIS幅值以及EIS相位。

融合EIS的亚健康电芯检测算法即在这六个维度上对电芯进行全方位的检测判断，一个或多个特征值发生变化，算法将可以准确捕捉到离群的电芯编号并给出离群告警指示。

电压和温度：这两个都是重要的电池表征数据，缺一不可，但又不太够，因为它们很难反映出电芯内部的一些变化情况，比如析锂、机械损伤等等。

EIS正好可以弥补这方面的数据，做到电池更全面的从内到外的检测。

此算法带来的价值也非常明显
可以更加快捷有效地应用EIS

融合EIS的6D检测算法的经济适配性与价值体现

 

01

算法开发设计难度很低，工程师不需要很深的编程开发能力也能灵活使用，开发周期很短，可以使得产品快速推广到市场上。

02

开发人员不需要具备相关的电化学专业知识也能充分发挥算法的检测能力。

03

算法对资源要求很低，BMS上常用的32位MCU都能运行，检测判断速度快。

04

算法可以部署在多个平台，包括云平台、本地监控平台、边缘计算平台、BMS嵌入式平台等等，满足客户的各种应用场景和不同需求。

05

算法适配各种类型的电芯和模组，不需要对电芯进行前期的各种标定工作，也不需要大量数据提前训练，大大减轻了系统厂商的工作量

06

算法可以应用在各种场景，比如电芯产线上的一致性筛选、Pack成组后在线实时监测等，并满足各种工况下的使用。

07

算法可以在电芯故障早期发现“身体状况”较差的电芯并持续关注其健康状态，保证其整体的健康一致性

通过使用此算法

终端客户们就可以

更好地应用在线EIS检测功能

更快地推出具有超强竞争优势的产品‍

快速抢占市场！

3

 

一

算法思路简介

融合EIS的亚健康电芯6D检测算法思路：

对数据进行处理，消除不同变量之间属性的差异，每个电芯都当成一个六维坐标的点。

使用聚类算法将所有电芯进行分簇归类，并得出每个簇的质心。

通过计算每个点距离质心的距离，判断点的离群情况，当超过一定阈值后算法将给出离群电芯编号和告警指示。

 

审核编辑：刘清