目前,动力电池在储能以及电动汽车应用方面的研究较为广泛,但对于电池应用安全方向的文献研究仍然较少,尤其在工程应用中出现电池安全异常问题时,常由于监控系统无法及时准确识别异常电池位置及异常模式,导致电池出现严重安全故障,危及人身财产安全。因此,本文依托国家重点研发计划项目子课题“交、直流充电过程动力电池的安全监测、预警研究”(项目编号2016YFB0101801),开展基于实际运行数据的异常电池诊断工作。容量增量曲线(IC曲线)作为电池化学机理分析的重要工具,本文重点分析了滤波方法以及电压间隔对其造成的误差影响,发现不同电压间隔对IC曲线的峰高度影响显著但对曲线积分面积影响甚微。同时,基于已有的储能柜电池数据(ATL磷酸铁锂)以及电动汽车电池数据(沃特玛磷酸铁锂)两批具有代表性的数据,对其进行数据清洗,分析了电池的电压、电流、温度特性,从而排除由于检测原因或设备因素造成数据异常状况的发生。为识别异常电池位置,提出了基于内阻辨识法识别内阻异常、基于开路电压识别SOC异常、基于IC曲线识别容量异常等多种电池参数一致性异常电池识别方法,在此基础上提出了基于变异系数法和熵权法识别外电压异常电池方法,并以储能电池系统和电动汽车动力电池实际运行数据为例,对比分析了几种方法的优缺点及适用性,结果表明基于熵权法的外电压异常电池位置识别方法具有优越性。为识别外电压异常模式,设计了调研问卷收集专家评分权重,确定了异常电池模糊诊断矩阵,采用模糊推理方法,建立了异常电池专家诊断系统,并提出了基于最大隶属度原则的异常电池原因隶属度判断方法,实现了由电池电压异常症状即可推理电池最大可能异常模式的功能,同时给出相应维护策略。为工程化应用,采用Visual studio2015 C++与Access2010混合编程实现异常电池诊断功能软件,并且利用储能柜实际运行数据进行了软件验证工作,软件诊断结果与实测结果一致,验证了熵权法以及专家系统法的有效性和正确性,该软件能够达到准确识别储能柜异常电池位置以及异常模式功能。