一种电池相平面结合Conformer-BiGRU网络的电池内短路故障诊断方法

来源：电子与信息学报杂志2025年第10期北京时间：

作者：毛琳, 张海新, 何志伟, 高明裕, 董哲康

单位：1.杭州电子科技大学电子信息学院 杭州 3100182.全省智能汽车电子研究重点实验室 杭州 310018

摘要：近年来，新能源汽车凭借环保与高效的优势迅速崛起，然而随着其市场规模的持续扩大，新能源汽车故障频发，安全性问题日益凸显。其中，内短路故障因其隐蔽性强、危害性大，成为最常见且最具威胁的故障之一。若不进行准确的诊断和处理，可能会导致严重的安全事故。因此，开发高效且精准的内短路故障诊断方法具有重要的现实意义。该文提出了一种电池相平面方法结合卷积增强Transformer-双向门控循环单元(Conformer-BiGRU)网络的电池包内短路故障诊断方法。首先，利用改进的电池相平面对电池电压序列进行二维特征提取，以捕捉更深层次的空间和结构信息。其次，提出Conformer-BiGRU网络对电池电压序列进行特征学习。该网络包含卷积神经网络(CNN)分支和Transformer分支，用于提取局部特征和全局表示，通过特征耦合单元融合后输入BiGRU模块，对电池包中的电池单体进行分类，判断是否存在内短路故障。该文基于实验平台采集的故障数据对所提出的方法进行测试，其严重内短路故障的精确率在3种国际标准工况下分别达到94.30%, 92.77%和94.85%。同时，该方法在轻度、中度和严重内短路故障数据集中，所提出方法的和F1分数在3种工况下平均达到91.26%, 85.17%和88.09%。实验结果表明该方法具有更好的鲁棒性，为提升新能源汽车的安全性提供了新的解决方案。

关键词：新能源汽车, 电池组, 故障诊断, 内短路

基金资助：国家自然科学基金(62227802)