Fault detection methods for a lithium-ion battery pack in electric vehicles

In a world in which environmental problems, such as pollution and global warming, are dangerously increasing, a sustainable development is necessary. In the automotive sector, an important progress consists in the passage from internal combustion engine (ICE) systems to electric propulsion systems. Among energy power sources for electric vehicles, Li-Ion batteries represent, nowadays, the best solution thanks to their high energy density and their long cycle life. However, these technologies are affected by different safety problems, so they require a Battery Management System (BMS) in order to be monitored. Among the various faults, sudden failures within the battery pack are the most hazardous, because they are unpredictable and must be detected as soon as possible. According to these statements, the aim of this thesis is to investigate diagnosis methods to detect sudden failures in electric vehicles’ battery pack. Focusing on Li-Ion batteries, three main models are considered for a complete description of cells behaviour: the equivalent electric model, the thermal model and the coupled electro-thermal model. In this work, techniques to estimate model parameters and the state of charge (SoC) of the batteries are discussed, since they are fundamental parts of the diagnostic algorithms. The possible failures inside the battery pack are divided in cell failures, sensors faults, and connection faults between cells. For each of them, the detection methods present in the literature are investigated, and the most suitable algorithms for real-time applications are proposed. Specifically, two model-based methods are employed to detect short circuits (external and internal) in Li-Ion cells. Moreover, a multiple model adaptive estimation (MMAE) is proposed to capture cells over-charge/discharge. About sensor failures, two model-based diagnosis method are indicated to detect and isolate the fault of current, temperature, and voltage sensors. Finally, a multi-fault detection method, based on hardware redundancy, is employed to distinguish failures among cell faults, sensors faults, and connections faults in the battery packs. The effectiveness of all the proposed methods is proved by simulations.

In un mondo in cui i crescenti problemi di inquinamento e surriscaldamento richiedono uno sviluppo sostenibile, risulta inevitabile, nel settore automobilistico, il passaggio da veicoli a combustione interna (ICE) a sistemi a propulsione elettrica. Tra gli accumulatori di energia per i veicoli elettrici, le batterie al litio (Li-Ion) rappresentano, ad oggi, la soluzione migliore, grazie alla loro alta densità di energia e al loro lungo ciclo di vita. Tuttavia, queste tecnologie sono affette da problemi di sicurezza e, perciò, richiedono un sistema che le monitori, il Battery Management System (BMS). Tra i vari pericoli, i guasti improvvisi all’interno del pacco batteria sono quelli che destano maggiore preoccupazione perché non possono essere preventivati, ma devono essere diagnosticati nel più breve tempo possibile. In questo contesto, l’obiettivo di questa tesi è approfondire i metodi di detenzione dei guasti improvvisi nel pacco batteria dei veicoli elettrici. Concentrando l’attenzione sulle batterie agli ioni di litio, principalmente sono stati considerati tre modelli per descrivere il comportamento delle batterie al litio: il circuito elettrico equivalente, il circuito termico e il circuito accoppiato elettro-termico. In questo lavoro, sono state approfondite le tecniche di stima dei parametri dei modelli e dello stato di carica (SoC) delle batterie, essendo parti fondamentali degli algoritmi di diagnostica. I possibili guasti all’interno del pacco batteria sono stati suddivisi in guasti di cella, di sensori e di connessione fra celle. Per ognuno di essi, sono stati investigati i metodi di diagnostica presenti in letteratura e sono stati proposti gli algoritmi più adatti per applicazioni real-time. Nello specifico, due metodi basati sul modello equivalente sono impiegati per rilevare possibili cortocircuiti (esterni e interni) nelle batterie al litio. Una tecnica di stima adattativa a modelli multipli (MMAE) è indicata per rilevare fenomeni di sovra-carica/scarica delle celle. Per quanto riguarda i guasti nei sensori, due metodi di diagnostica basati sul modello sono presentati per rilevare e isolare i guasti dei sensori di corrente, tensione e temperatura. Infine, un metodo di diagnostica basato su ridondanza dell’hardware è proposto per distinguere i vari guasti di cella, di sensori e di connessione nel pacco batteria. L’efficacia di tutti i metodi proposti è provata dalle simulazioni finali.