Skip to content
动力电池安全管理对提高电池工作效率、延长电池循环寿命、保证电池安全可靠稳定工作有着重要的意义。然而,当前动力电池系统安全管理策略普遍存在安全控制精度不足、实车应用效果不佳等现象,是当前新能源车辆推广受限的主要原因之一。
北京科技大学机械工程学院车辆工程系副教授洪吉超在联盟第42期微课堂中从动力电池运行大数据驱动的角度入手,深入剖析动力电池系统大数据的应用潜力,并分享一些覆盖范围广、控制精度高、实际应用快的动力电池系统智能安全管理与控制技术及案例。课程分为4部分:动力电池系统一致性安全性耦合、动力电池系统安全状态精准预测、动力电池系统故障早期诊断预警、动力电池系统智能安全控制策略。
通过对大量实际安全事故的分析,我们发现动力电池系统的一致性和安全性之间通常并不是直接发生联系的,而是由于电压、容量、内阻的不一致性,加速了电池的老化,进而引发了电池的安全问题。
对2016年北京市某新能源出租车实车动力电池系统不同时间段的单体电压频次分布进行分析,前三个月峰值基本出现在3.25V-3.3V和3.35V-3.4V两个区间。随着使用时间的增加,三个月后单体频次分布逐渐形成一个峰值,且两端基本对称,类似正态分布。通过对不同状态下单体电压概率分布和平均方差的统计分析,发现由于运行时间和复杂运行环境影响,行驶状态下单体电压分散程度比充电状态更明显(表现为行驶状态下的概率峰值低很多),两种状态下的单体电压不一致性(表现为单体电压平均方差)随时间推移都逐渐升高。

动力电池安全性包括:结构安全、电安全、热安全、化学安全、三防安全、生命周期安全。从动力电池系统安全来讲,最终结果关注热安全和电安全,在这两个最终目标外围是前几道防线:
-
正常工况下防护(防尘防水、防结构侵入损失、环境载荷、温度冲击、湿热循环、高海拔)
-
滥用情况下防护(过充、过放、短路、低温充电、高温用电)
-
事故情况下防护(跌落、挤压、翻转、碰撞、针刺、火烧、热失控、海水浸泡)
动力电池安全状态(SOS)即上述各类相关状态,需要他们均保持在安全阈值范围内。洪吉超副教授介绍了安全状态预测的多种方式:
-
-
-
基于双Dropout和GRU神经网络的实车SOC精确预测
-
为了实现动力电池电压、温度、SOC多参数联合多步预测,洪吉超团队提出了基于LSTM的实车动力电池系统SOH衰退实时估计、基于Catboost和区间容量的SOH估计、基于Catboost和区间容量的SOH估计等方法。
当前动力电池系统故障主要类型可分为单体故障、动力电池故障、电池组故障三类;针对不同类型的故障可以分别采用定量分析和定性分析的诊断方法。
具体来看,基于修正香农熵算法即MSNE建立了动力电池故障多级诊断模型,能够将常规安全阈值范围内的隐蔽性异常及早、准确地诊断出来。通过多尺度筛选和低效尺度过滤设定了敏感度因子及安全风险阈值。基于NDWD的动力电池系统热失控风险预警,在基于时域空间的阈值、算法、模型等研究的基础上,利用动力电池频域特征开展动力电池系统频域特征分析及安全风险预警研究。
北京科技大学联合北京理工大学发布的基于实车事故的锂电池过充电热失控研究,结合可能引发热失控的潜在激励因素,包括环境和驾驶员的行为,提出了由过充引起热失控的基本概率模型。这是首次将实际事故案例应用于过充热失控研究。
从大数据和算法角度出发,通过数据监控功能和安全预警算法对动力电池单体和系统同时进行实时监控和安全预警,有效避免动力电池发生故障,提升智能安全运维能力,消除新能源汽车用户的“安全焦虑”。

未来要使用“车-云”融合动力电池系统智能安全控制策略,实现状态监控、储存优化、安全评估、故障诊断、风险预警、寿命预测、大数据驱动智能安全监控。