蘇 偉，鐘國彬，沈佳妮，王 超，許金龍，賀益君，馬紫峰

?

鋰離子電池故障診斷技術(shù)進(jìn)展

蘇 偉1，鐘國彬2，沈佳妮3，王 超2，許金龍3，賀益君3，馬紫峰3

（1廣東電科院能源技術(shù)有限公司，廣東 廣州 510080；2廣東電網(wǎng)有限責(zé)任公司電力科學(xué)研究院，廣東 廣州 510080；3上海交通大學(xué)化學(xué)工程系，上海 200240）

實(shí)施精準(zhǔn)、可靠的故障診斷，是確保電池系統(tǒng)安全、穩(wěn)定、可靠運(yùn)行的關(guān)鍵，并為電池系統(tǒng)的精準(zhǔn)運(yùn)營維護(hù)提供理論、方法與技術(shù)支撐。本文首先在總結(jié)電池系統(tǒng)故障類型與表現(xiàn)形式的基礎(chǔ)上，重點(diǎn)分析了在電池制造、成組篩選和使用各個階段的本體故障引發(fā)機(jī)制。其次，對現(xiàn)有研究發(fā)展的電池系統(tǒng)故障診斷方法進(jìn)行了分類，大致分為基于電池模型的故障診斷方法和無模型的故障診斷方法。之后，針對不一致故障診斷、短路故障診斷、熱故障診斷、傳感器故障診斷、連接組件故障診斷和多故障聯(lián)合診斷，對現(xiàn)有文獻(xiàn)提出的解決策略及應(yīng)用案例進(jìn)行了全面綜述。最后，以全面文獻(xiàn)調(diào)研為基礎(chǔ)，提出了電池系統(tǒng)故障診斷研究面臨的主要挑戰(zhàn)和未來的研究方向。

鋰離子電池；安全；故障診斷；引發(fā)機(jī)制

近年來，鋰離子電池因具有功率/能量密度高、循環(huán)壽命長、自放電率低等優(yōu)點(diǎn)，受到學(xué)術(shù)界和產(chǎn)業(yè)界的廣泛關(guān)注，已應(yīng)用于電子消費(fèi)品、電動汽車、分布式儲能、大規(guī)模儲能等不同場景[1-2]。作為一類典型的涉及復(fù)雜電化學(xué)反應(yīng)/傳遞機(jī)理的能量儲存裝置，鋰離子電池本身存在較高安全隱患，需要采用系統(tǒng)工程的理論和方法，在電池材料體系研發(fā)、電池管理系統(tǒng)設(shè)計(jì)、儲能系統(tǒng)結(jié)構(gòu)優(yōu)化等各個層面予以關(guān)注，確保其在實(shí)際使用中的安全、穩(wěn)定、可靠運(yùn)行[3-4]。但是，一方面，鋰離子電池在實(shí)際運(yùn)行過程中，受當(dāng)前電、熱和安全管理系統(tǒng)技術(shù)發(fā)展水平的限制，在某些情況下會發(fā)生機(jī)、電、熱濫用，如過充、過放、過熱等，容易引起電池性能的快速衰退，甚至發(fā)生內(nèi)短路而引發(fā)安全問題[5]。另一方面，在電動汽車、分布式儲能、大規(guī)模儲能領(lǐng)域應(yīng)用時，為滿足電流、電壓、功率、能量的需求，常需要通過串并聯(lián)手段將大量單體組成電池組、電池包乃至電池簇，會存在大量的連接組件，極大地增加了系統(tǒng)的復(fù)雜程度，將導(dǎo)致發(fā)生各類故障的概率增大，并增加了安全隱患[6]。因此，在認(rèn)清電池系統(tǒng)故障引發(fā)機(jī)制的基礎(chǔ)上，至少需要在鋰離子電池單體和系統(tǒng)兩個層面實(shí)施故障診斷，確保能有效識別出漸變性、突發(fā)性等各類故障，實(shí)現(xiàn)提前預(yù)警，提高電池系統(tǒng)實(shí)際運(yùn)行的安全性、穩(wěn)定性和可靠性。

本文首先對鋰離子電池的常見故障進(jìn)行了分類，并簡要分析了電池本體故障引發(fā)機(jī)制；其次簡要總結(jié)了現(xiàn)有故障診斷方法，并對其進(jìn)行了分類；之后，針對不同類型故障，全面綜述了現(xiàn)有故障診斷技術(shù)解決方案；最后，總結(jié)了電池故障診斷技術(shù)的挑戰(zhàn)與未來發(fā)展方向。

1 鋰離子電池常見故障

1.1 鋰離子電池系統(tǒng)常見故障分類

常見的鋰離子電池系統(tǒng)主要包括電池本體、電池管理系統(tǒng)、傳感器、連接組件等，在實(shí)際運(yùn)行過程中，由于引發(fā)故障的原因各不相同，不僅電池本體會發(fā)生各種類型故障，而且電池管理系統(tǒng)、傳感器、連接組件等也會發(fā)生故障。目前，大部分故障診斷方法研究主要針對電池本體，對其他電池系統(tǒng)故障研究相對較少。

1.1.1 電池本體故障

鋰離子電池在實(shí)際運(yùn)行過程中，會因其內(nèi)部結(jié)構(gòu)或特性發(fā)生變化而引發(fā)故障。根據(jù)電池本體故障的發(fā)生/發(fā)展歷程不同，主要可分為漸變性故障和突發(fā)性故障兩大類：①漸變性故障主要由電池老化導(dǎo)致，電池隨著充放電循環(huán)，會發(fā)生活性物質(zhì)損失與內(nèi)阻增大，導(dǎo)致容量衰減與功率衰退，對其健康狀態(tài)進(jìn)行精準(zhǔn)診斷，對剩余使用壽命評估有重要作用；②突發(fā)性故障是指無明顯征兆或短時征兆，便造成電池系統(tǒng)突然失效或性能明顯下降的故障，包括內(nèi)短路、熱失控、容量跳水、漏液等，例如鋰離子電池在使用過程中，因機(jī)械濫用導(dǎo)致內(nèi)短路，會在短時間內(nèi)產(chǎn)生大量熱，進(jìn)而引發(fā)熱失控，發(fā)生冒煙、起火甚至爆炸。由于鋰離子電池的老化機(jī)理復(fù)雜，實(shí)現(xiàn)電流、電壓、溫度多種操作工況對老化程度定量評價還未有突破性進(jìn)展，實(shí)施漸變性故障的精準(zhǔn)診斷難度較高，是目前的研究熱點(diǎn)。但是，相比漸變性故障，突發(fā)性故障預(yù)警時間更短，診斷難度更高，潛在危害更大，是鋰離子電池本體故障診斷亟需解決的難點(diǎn)問題。

1.1.2 其他類型電池系統(tǒng)故障

其他類型的電池系統(tǒng)故障主要包括如下三個 部分。

（1）電池管理系統(tǒng)（battery management system, BMS）部件故障 BMS的主要作用是對電池系統(tǒng)的工作狀態(tài)進(jìn)行監(jiān)測和管理，是系統(tǒng)的核心控制單元，對保障電池安全、穩(wěn)定、可靠運(yùn)行有重要意義[7]。若BMS部件發(fā)生故障，會發(fā)布錯誤指令，干擾電池系統(tǒng)的正常運(yùn)行，嚴(yán)重時會對電池產(chǎn)生不可逆破壞，進(jìn)而引發(fā)一系列連鎖故障。例如BMS的均衡部件發(fā)生故障，會導(dǎo)致電池系統(tǒng)不一致性加劇，影響系統(tǒng)性能發(fā)揮；若BMS的充放電控制部件發(fā)生故障，會引起過充過放風(fēng)險，降低電池使用壽命，嚴(yán)重時會引發(fā)安全事故；若BMS的溫控部件發(fā)生故障，會導(dǎo)致電池系統(tǒng)溫度過高或過低，可能引發(fā)電池系統(tǒng)的熱濫用，嚴(yán)重時會引發(fā)熱失控[8]。目前，研發(fā)符合高等級功能安全的BMS是工業(yè)界重點(diǎn)關(guān)注的熱點(diǎn)問題，需要從設(shè)計(jì)開發(fā)流程、軟/硬件等不同方面綜合考慮予以解決。

（2）傳感器故障 為實(shí)現(xiàn)電池系統(tǒng)工作狀態(tài)的有效監(jiān)控，需要精確、可靠地測量電流、電壓和溫度信息，以便實(shí)施電池狀態(tài)估計(jì)、充放電控制、故障診斷、均衡控制、溫度控制等功能[9]。但是，傳感器在使用過程中，會不可避免地出現(xiàn)偏差、漂移、精度等級降低、甚至停止工作等故障，會導(dǎo)致電流、電壓和溫度數(shù)據(jù)無法測量或測量數(shù)據(jù)不精確，難以對電池當(dāng)前工作狀態(tài)進(jìn)行精確、合理地判斷，將誘發(fā)BMS系統(tǒng)停止工作或發(fā)布錯誤指令，干擾電池系統(tǒng)的正常運(yùn)行，甚至引發(fā)安全問題。一般地，相比傳感器停止工作故障，偏差、漂移、精度等級降低等傳感器故障隱蔽性更高，診斷難度更大，是目前傳感器故障診斷研究的重點(diǎn)和難點(diǎn)[10-11]。

（3）連接組件故障 在電池系統(tǒng)實(shí)際運(yùn)行過程中，由于震動、部件腐蝕、電池產(chǎn)氣膨脹等原因，可能引發(fā)電池系統(tǒng)內(nèi)連接組件的故障，如螺母/焊點(diǎn)松動或接觸不良[12]。發(fā)生此類故障時，電池接觸內(nèi)阻增加，導(dǎo)致動態(tài)壓差大、靜態(tài)壓差小，將會影響電池系統(tǒng)在高倍率下的功率性能；若此類故障長期未被有效檢測并排除，過高的內(nèi)阻將導(dǎo)致局部熱量持續(xù)累積，會引發(fā)電池容量快速衰減甚至熱失控[13]。

1.2 電池本體故障引發(fā)機(jī)制

對電池系統(tǒng)實(shí)施故障診斷，一般需要先診斷BMS、傳感器、連接組件等其他類型電池系統(tǒng)故障，以排除外部干擾，確保用于電池本體工作狀態(tài)估計(jì)的信息是精確、可靠的，以此實(shí)施電池本體故障診斷才更具合理性。相比其他電池系統(tǒng)故障，電池本體故障由于其引發(fā)原因眾多，診斷難度更大，是電池系統(tǒng)故障診斷的關(guān)鍵核心環(huán)節(jié)。因此，需要在認(rèn)清電池本體故障的引發(fā)機(jī)制基礎(chǔ)上，研發(fā)合理、可靠的多方位、多層次電池本體故障診斷技術(shù)，實(shí)現(xiàn)電池本體的全面防護(hù)，對降低失效風(fēng)險、提高安全性、延長使用壽命有重要意義。

對上述電池本體漸變性和突發(fā)性兩類故障，雖然對其實(shí)施故障診斷是在電池實(shí)際運(yùn)行階段，但在電池制造和成組階段的技術(shù)水平會直接影響電池性能，進(jìn)而影響實(shí)際運(yùn)行中的故障發(fā)生概率。目前，受到現(xiàn)有制造工藝技術(shù)水平和成本的限制，電池在制造過程中，會引入故障隱患，例如在涂布過程中，若有粉塵吸附在隔膜或正負(fù)極表面，易導(dǎo)致局部隔膜結(jié)構(gòu)被破壞，造成電池局部微短路；在極片切割過程中，正負(fù)極集流體邊緣產(chǎn)生的毛刺可能發(fā)生部分接觸而導(dǎo)致電池微短路；在卷繞、疊片過程中，正負(fù)極若因故障發(fā)生錯位，將導(dǎo)致正負(fù)極直接接觸，會引起內(nèi)短路[14]。在電池篩選成組階段，對同批次電池常采用抽檢策略，難以保證串并聯(lián)電池系統(tǒng)中各單體間具有優(yōu)良的一致性，即使輔以性能優(yōu)良的均衡控制技術(shù)，電池系統(tǒng)不一致性也會隨著實(shí)際運(yùn)行的充放電循環(huán)逐漸增大，導(dǎo)致個別單體會發(fā)生異常，影響系統(tǒng)性能發(fā)揮和使用壽命。

在電池系統(tǒng)實(shí)際運(yùn)行階段，一方面，即使電池運(yùn)行于電流、電壓和溫度的安全窗口中，在全生命周期內(nèi)電池會不斷老化，SEI膜會不斷分解與再生，負(fù)極表面往往難以避免地發(fā)生析鋰現(xiàn)象等，造成容量衰減；并可能誘發(fā)鋰枝晶，且隨著鋰枝晶不斷生長，隔膜有可能被刺破，形成微/內(nèi)短路，存在熱失控的突發(fā)性故障隱患[15]。另一方面，當(dāng)電池系統(tǒng)運(yùn)行于異常工況，即超出了電流、電壓和溫度的安全操作窗口，其漸變性和突變性兩類故障引發(fā)概率會大大增加，以下簡要描述了過充、過放、大倍率充放電、過冷、過熱和不一致性這6類常見異常運(yùn)行工況對電池本體故障的引發(fā)機(jī)制。

（1）過充 因存在電池組不一致、充電控制技術(shù)未能精確調(diào)控等問題，不可避免地會出現(xiàn)部分單體發(fā)生過充現(xiàn)象。一般地，電池發(fā)生過充，會在其負(fù)極表面發(fā)生析鋰現(xiàn)象，對存在長期輕微過充情況，會因活性鋰損失而導(dǎo)致電池容量過快衰減的漸變性故障，同時析鋰可能誘發(fā)鋰枝晶，增大隔膜刺破引發(fā)微/內(nèi)短路的安全隱患。在某些極端情況下，例如發(fā)生BMS失效時，會發(fā)生電池長時間深度過充可能，導(dǎo)致電池溫度持續(xù)升高，觸發(fā)如SEI膜分解、電解液分解、隔膜熔融、電解液分解、正極材料分解等一系列放熱副反應(yīng)，最終引發(fā)電池內(nèi)短路、熱失控等突發(fā)性故障[16-18]。

（2）過放 與過充現(xiàn)象類似，在電池系統(tǒng)實(shí)際運(yùn)行過程中，會不可避免地出現(xiàn)部分單體發(fā)生過放現(xiàn)象。針對存在長期輕微過放情況，由于負(fù)極表面和SEI膜的鋰離子全部脫嵌，易引起負(fù)極結(jié)構(gòu)和SEI膜破壞，導(dǎo)致活性物質(zhì)不可逆損失，引發(fā)電池容量過快衰減的漸變性故障[19-20]。若發(fā)生長時間深度過放，會造成負(fù)極集流體銅箔被氧化溶解后沉積在負(fù)極表面，一方面，影響負(fù)極集流體的電子傳輸能力和阻礙鋰離子的脫嵌，造成電池容量過快衰減和內(nèi)阻過快增大的漸變性故障；另一方面，沉積在負(fù)極表面的銅可能刺破隔膜，引發(fā)電池內(nèi)短路、熱失控的突發(fā)性故障風(fēng)險。此外，深度過放會使正極材料過度嵌鋰，引發(fā)正極材料晶體結(jié)構(gòu)的不可逆破壞，導(dǎo)致電池性能惡化[21]。

（3）大倍率充放電 隨著電池充放電倍率的增大，產(chǎn)熱速率也會相應(yīng)增大，容易引發(fā)電池內(nèi)部的放熱副反應(yīng)，增大內(nèi)短路風(fēng)險，會引起電池?zé)崾Э氐耐话l(fā)性故障[22-24]。尤其針對大倍率充電過程，由于受固相擴(kuò)散速率限制，容易發(fā)生負(fù)極析鋰現(xiàn)象，引發(fā)容量過快衰減的漸變性故障，并容易誘發(fā)鋰枝晶而引發(fā)內(nèi)短路的安全隱患。

（4）過冷 當(dāng)電池處于低溫工作環(huán)境時，可能會引起電解液中部分溶劑凝固化，鋰離子遷移/擴(kuò)散速率明顯變小，尤其針對低溫充電情況，會出現(xiàn)電化學(xué)反應(yīng)與固相擴(kuò)散速率的不匹配，在負(fù)極表面出現(xiàn)析鋰現(xiàn)象，易形成鋰枝晶而引發(fā)隔膜刺破、內(nèi)短路等一系列突發(fā)性故障[25-26]。

（5）過熱 當(dāng)電池處于較高工作環(huán)境溫度時，會加大電池內(nèi)部副反應(yīng)速率，如SEI膜分解與再生速率，導(dǎo)致活性物質(zhì)不可逆損失速率加快，引發(fā)電池容量過快衰減的漸變性故障[27-28]。在充放電過程中，若電池工作環(huán)境過高且產(chǎn)熱速率明顯高于散熱速率，會觸發(fā)如SEI膜分解、電解液分解、隔膜熔融、電解液分解、正極材料分解等一系列放熱副反應(yīng)，最終引發(fā)電池內(nèi)短路、熱失控等突發(fā)性故障[29]。

（6）不一致性 在電池制造[30]、篩選成組[31-33]和使用[34]各個階段，電池系統(tǒng)內(nèi)各單體間在可用容量、內(nèi)阻、開路電壓、自放電率、荷電狀態(tài)等內(nèi)部/外部參數(shù)均會存在一定程度的不一致性，會對系統(tǒng)效率、安全性、使用壽命造成影響。一般地，隨著充放電循環(huán)，由于各單體的老化歷程不同，單體間不一致性往往會逐漸增大，影響系統(tǒng)整體容量的發(fā)揮[35]。例如，在篩選成組階段，低可用容量單體會在實(shí)際運(yùn)行過程中，可能長時間滿充滿放，甚至過充過放，會加速其老化過程，最終導(dǎo)致電池提前失效，整個電池系統(tǒng)也會在此過程中表現(xiàn)出容量過快衰減的漸變性故障[36]。因此，通過實(shí)時、精準(zhǔn)的評估電池系統(tǒng)不一致性，提前識別并定位故障單體，并實(shí)施針對性的運(yùn)營維護(hù)，是電池本體故障診斷的又一個重要內(nèi)容。

由于電池本體故障的引發(fā)機(jī)理復(fù)雜，需要在電池制造、篩選成組和使用各個階段實(shí)施優(yōu)化設(shè)計(jì)與調(diào)控，切實(shí)降低故障隱患，提高電池系統(tǒng)安全性和可靠性，并延長使用壽命。在電池實(shí)際運(yùn)行階段，通過優(yōu)化設(shè)計(jì)電、熱管理策略，盡可能避免過充、過放、過冷、過熱和大倍率充放電等異常操作，以延緩容量衰減和內(nèi)阻增大速率，降低析鋰、微/內(nèi)短路、熱失控等風(fēng)險；通過設(shè)計(jì)合理的電池本體故障診斷技術(shù)，實(shí)現(xiàn)故障單體的精準(zhǔn)提前識別，可為針對性的運(yùn)行維護(hù)提供技術(shù)支撐，對電池系統(tǒng)的安全、穩(wěn)定、可靠運(yùn)行有重要意義。

2 鋰離子電池故障診斷方法分類

根據(jù)實(shí)時采集的電流、電壓、溫度等信息，通過設(shè)計(jì)合理的故障診斷系統(tǒng)，實(shí)現(xiàn)故障預(yù)警，并能將故障信息反饋至電池管理系統(tǒng)，以采取必要保護(hù)措施，保障電池系統(tǒng)的安全、穩(wěn)定、可靠運(yùn)行，故障診斷系統(tǒng)的流程示意如圖1所示。

目前，鋰離子電池故障診斷診斷方法大致可分為兩大類：其一是基于電池模型的故障診斷方法，其二是無電池模型的故障診斷方法。

圖1 故障診斷系統(tǒng)流程圖

2.1 基于電池模型的故障診斷方法

基于電池模型的故障診斷，其關(guān)鍵是建立精確、可靠的電池模型，通過比較模型預(yù)測值與實(shí)測值的差異，實(shí)現(xiàn)故障預(yù)警。目前，電池模型主要包括電化學(xué)機(jī)理模型、等效電路模型和數(shù)據(jù)驅(qū)動模型三大類。電化學(xué)機(jī)理模型計(jì)算復(fù)雜度高，往往難以適用于實(shí)時在線計(jì)算，需要實(shí)施模型簡化后應(yīng)用，其合理簡化方法有待發(fā)展；數(shù)據(jù)驅(qū)動模型是一種純經(jīng)驗(yàn)?zāi)Ｐ停湫阅芤蕾囉跇颖举|(zhì)量，外推性能往往難以保證；等效電路模型是一種半經(jīng)驗(yàn)半機(jī)理模型，計(jì)算復(fù)雜度較低，且具有優(yōu)良的預(yù)測性能，已廣泛地應(yīng)用于電池管理系統(tǒng)。目前，基于電池模型的故障診斷方法，基本采用等效電路模型，常有兩種策略。

（1）融合電池模型與參數(shù)估計(jì)方法即可建立正常電池模型 如圖2(a)的一階等效電路模型，通過在線數(shù)據(jù)對模型參數(shù)進(jìn)行估計(jì)后，根據(jù)模型參數(shù)對電池故障進(jìn)行診斷[12]；也可建立電池故障模型，通過比較實(shí)測值與故障模型預(yù)測值是否匹配，實(shí)現(xiàn)此類故障的診斷[37-38]，如通過建立如圖2(b)所示的包含微/內(nèi)短路故障的等效電路模型，若實(shí)測電壓值與此故障模型電壓預(yù)測值基本吻合，則可實(shí)現(xiàn)對微/內(nèi)短路故障的有效診斷，并可結(jié)合參數(shù)估計(jì)策略實(shí)現(xiàn)對微/內(nèi)短路故障的定量診斷。

（2）融合電池模型與狀態(tài)估計(jì)方法 如圖3所示，以電流作為模型輸入，電壓、溫度作為模型輸出，結(jié)合電壓、溫度的實(shí)測值，通過濾波算法獲取電池端電壓、溫度的估計(jì)值，通過計(jì)算電壓/溫度估計(jì)值與其實(shí)測值的殘差，對系統(tǒng)故障進(jìn)行診斷[39-40]，也可利用估計(jì)得到的電池內(nèi)部狀態(tài)，如SOC、內(nèi)部溫度，對電池故障進(jìn)行診斷?；跔顟B(tài)估計(jì)的故障診斷，其關(guān)鍵是開發(fā)精確、可靠的狀態(tài)空間模型和高效的狀態(tài)估計(jì)方法[41-42]。

圖2 電池系統(tǒng)故障診斷方法分類

圖3 （a）鋰離子電池等效電路模型;（b）鋰離子電池內(nèi)短路模型

圖4 基于電池模型與狀態(tài)估計(jì)的故障診斷流程圖

2.2 無電池模型的故障診斷方法

無電池模型的故障診斷方法無需針對單體電池的動態(tài)特性進(jìn)行建模，在線實(shí)施可避免單體電池模型的參數(shù)更新迭代，效率較高；但是，相比基于模型的故障診斷方法，此類方法依賴于樣本數(shù)據(jù)質(zhì)量，外推能力相對較差，且往往難以給出定量化的診斷結(jié)果?，F(xiàn)有關(guān)于無電池模型的電池故障診斷方法大致可分為如下三類。

（1）基于統(tǒng)計(jì)分析的故障診斷方法 直接依據(jù)信號采集系統(tǒng)得到的電流、電壓和溫度數(shù)據(jù)，利用信息熵、正態(tài)分布等統(tǒng)計(jì)方法進(jìn)行分析[43-46]，通過設(shè)置合理的異常系數(shù)或閾值，實(shí)現(xiàn)電池故障診斷。此類方法計(jì)算復(fù)雜度低，執(zhí)行效率高，但往往僅能實(shí)現(xiàn)故障檢測，難以對故障類型進(jìn)行識別。

（2）基于數(shù)據(jù)驅(qū)動建模的故障診斷方法 將電池可測數(shù)據(jù)作為輸入，電池故障作為輸出，通過構(gòu)建諸如人工神經(jīng)網(wǎng)絡(luò)[47]、徑向基神經(jīng)網(wǎng)絡(luò)[48]、多模型融合策略[49]等數(shù)據(jù)驅(qū)動模型，實(shí)現(xiàn)電池系統(tǒng)故障的在線診斷。此類方法的診斷精度往往依賴于訓(xùn)練數(shù)據(jù)的質(zhì)量和數(shù)量，合理利用電池系統(tǒng)大數(shù)據(jù)平臺，有望獲得較為可靠的訓(xùn)練數(shù)據(jù)。另外，由于離線數(shù)據(jù)往往難以完全覆蓋各種類型的故障，需要融合自適應(yīng)在線學(xué)習(xí)策略，以提高故障診斷適應(yīng)性。

（3）基于專家系統(tǒng)的故障診斷方法 專家系統(tǒng)主要由知識庫、推理機(jī)、實(shí)時數(shù)據(jù)庫和人機(jī)接口組成，可用于多種故障的檢測和隔離。知識庫是專家系統(tǒng)的核心關(guān)鍵，其質(zhì)量好壞直接決定專家系統(tǒng)的診斷性能。一般地，構(gòu)建知識庫的信息來源主要包括兩方面：其一是基于電池系統(tǒng)故障特征分析的專家領(lǐng)域知識/規(guī)則；其二是歷史運(yùn)行數(shù)據(jù)和故障檢修記錄信息。同時，為保障知識庫的適應(yīng)性，在電池系統(tǒng)實(shí)際運(yùn)行過程中，需要合理利用運(yùn)行數(shù)據(jù)、檢修記錄等信息，實(shí)施在線更新與優(yōu)化，具備自學(xué)習(xí)能力。推理機(jī)是實(shí)現(xiàn)故障類型、發(fā)生時間/位置預(yù)測的關(guān)鍵，目前研究大多采用模糊邏輯方法[50]，但由于知識庫中的規(guī)則/模型可能會相互沖突，需要開發(fā)具有自學(xué)習(xí)能力、強(qiáng)魯棒性的決策方法。

3 鋰離子電池系統(tǒng)故障診斷應(yīng)用案例

針對鋰離子電池系統(tǒng)故障診斷，現(xiàn)有研究主要集中在不一致性、短路、熱失控、傳感器和連接組件5個方面的單一故障診斷，僅有少量研究涉及多種故障的聯(lián)合診斷。

3.1 不一致性故障診斷

針對由大量單體串并聯(lián)組成的電池系統(tǒng)，在實(shí)際使用中，往往需要設(shè)計(jì)開發(fā)性能優(yōu)良的主/被動均衡控制技術(shù)與熱管理系統(tǒng)，以提高各單體間電壓和溫度的一致性，對提升電池系統(tǒng)的效率、安全性和使用壽命均有重要意義。但是，受限于目前技術(shù)發(fā)展水平，難以保障電池系統(tǒng)一致性的精確調(diào)控，且在實(shí)際運(yùn)行過程中，不可避免地會出現(xiàn)某個/部分單體發(fā)生漸變性或突變性的故障，體現(xiàn)在異常單體與其他正常單體間的電壓、溫度不一致性增大，會導(dǎo)致電池系統(tǒng)性能的下降。現(xiàn)有關(guān)于不一致性故障診斷研究主要基于電池系統(tǒng)實(shí)際歷史運(yùn)行數(shù)據(jù)，采用統(tǒng)計(jì)分析和數(shù)據(jù)建模方法，識別電壓/溫度故障 單體。

WANG等[43, 45]提出了一種融合香農(nóng)熵與分?jǐn)?shù)策略的電池系統(tǒng)電壓/溫度故障診斷方法，通過電動汽車儲能系統(tǒng)實(shí)際運(yùn)行數(shù)據(jù)驗(yàn)證，表明該方法不僅能有效識別出異常電壓/溫度的發(fā)生時間，而且能對電壓/溫度異常單體進(jìn)行精確定位。針對實(shí)測電壓數(shù)據(jù)存在受到噪聲污染的問題，SUN等[31]提出了基于小波分析與香農(nóng)熵的串聯(lián)電池組電壓故障診斷方法，通過電池組充放電實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證，表明該方法能在較短時間內(nèi)實(shí)現(xiàn)對電壓異常單體的有效識別。基于電動汽車儲能系統(tǒng)歷史運(yùn)行數(shù)據(jù)，ZHAO等[44]提出了基于3多層次篩選與反向傳播神經(jīng)網(wǎng)絡(luò)的電池系統(tǒng)電壓故障診斷方法，其中3多層次篩選方法用于建立無電壓故障指標(biāo)，而反向傳播神經(jīng)網(wǎng)絡(luò)用于構(gòu)建故障分布模型，通過與局部異常因子和聚類異常因子分析兩類方法進(jìn)行比較，驗(yàn)證了該方法的有效性。

需要指出的是，上述各類方法僅能識別出系統(tǒng)運(yùn)行過程中單體出現(xiàn)電壓/溫度異常，實(shí)現(xiàn)對故障單體快速定位，但是難以對引發(fā)電壓/溫度故障的原因進(jìn)行診斷。由于電池本體的電壓/溫度數(shù)據(jù)是由傳感器實(shí)測得到，對其分析前首先需要排除傳感器故障影響；同時，還需要判斷是否由于連接組件故障導(dǎo)致，提前實(shí)施排除。以此為基礎(chǔ)，針對電池本體的電壓故障，其有可能是與電池組內(nèi)其他單體的可用容量、內(nèi)阻、開路電壓、自放電率、荷電狀態(tài)等存在明顯差異而導(dǎo)致，往往需要結(jié)合電池內(nèi)/外參數(shù)辨識技術(shù)，才能實(shí)現(xiàn)對引發(fā)電壓故障的原因?qū)嵤┖侠碓\斷。與此類似，對電池本體的溫度故障，其可能由高內(nèi)阻、內(nèi)短路等原因?qū)е?，也需要結(jié)合電池內(nèi)特性的精準(zhǔn)表征技術(shù)，以實(shí)現(xiàn)對引發(fā)溫度故障的原因診斷。

3.2 短路故障診斷

鋰離子電池發(fā)生短路是引發(fā)熱失控的主要誘因，危害性大，亟需解決短路的提前預(yù)警難題，以提高電池運(yùn)行的安全性。造成電池本體內(nèi)短路的原因很多，在電池制造階段，引入的微量金屬雜質(zhì)、毛刺等會引發(fā)隔膜刺破而造成內(nèi)短路；在電池使用階段，機(jī)、電、熱濫用會引發(fā)隔膜撕裂、刺破、收縮坍塌等導(dǎo)致內(nèi)短路。除電池內(nèi)短路外，電池組也會發(fā)生外部短路，兩者的電流-電壓響應(yīng)具有一定的相似性，實(shí)現(xiàn)兩者的提前區(qū)分有一定難度。對電池短路故障實(shí)施合理診斷，需要在不同層面解決如下問題：①定性判斷電池是否存在短路；②定量計(jì)算短路程度，即漏電流/短路電阻的大??；③定位短路發(fā)生位置，并區(qū)分內(nèi)/外短路；④判斷引發(fā)電池短路的內(nèi)在原因；⑤認(rèn)清由短路引發(fā)熱失控的演化規(guī)律，實(shí)現(xiàn)提前預(yù)警，保障安全運(yùn)行。

目前，針對短路故障研究，主要采用基于電池組模型或單體短路模型的診斷方法。OUYANG等[41]提出了一種基于均值-差異模型的電池組內(nèi)單體短路診斷方法，采用遞歸最小二乘法對模型參數(shù)實(shí)施估計(jì)，綜合考慮電壓差和內(nèi)阻特征參數(shù)變化，實(shí)現(xiàn)對內(nèi)短路故障的診斷。GAO等[42]提出了一種基于均值-差異模型與擴(kuò)展卡爾曼濾波的電池短路定量診斷方法，通過離線建立包括SOC與內(nèi)阻差異的電池模型，在擴(kuò)展卡爾曼濾波算法實(shí)施電池組內(nèi)SOC差異估計(jì)基礎(chǔ)上，采用遞歸最小二乘方法得到短路電阻，通過外接電阻的串聯(lián)電池組實(shí)驗(yàn)數(shù)據(jù)進(jìn)行了性能驗(yàn)證，結(jié)果表明所提方法能對短路電阻實(shí)施精確估計(jì)。CHEN等[37]提出了一種基于一階等效電路模型的電池外短路故障診斷方法，通過比較實(shí)測端電壓值與離線構(gòu)建的外短路電池模型端電壓值，若兩者吻合良好，表明電池存在外短路故障。YANG等[38]提出了一種基于分?jǐn)?shù)階模型的電池外短路故障診斷方法，通過與文獻(xiàn)[37]方法的性能比較，結(jié)果表明基于分?jǐn)?shù)階模型的方法具有更高故障診斷精度；還通過建立隨機(jī)森林模型，對外短路電池是否伴隨漏液進(jìn)行了診斷。FENG等[51]提出了一種基于電池模型和參數(shù)/狀態(tài)估計(jì)的電池短路診斷方法，基于實(shí)測電壓和溫度數(shù)據(jù)，識別出表征各單體過度容量損失的SOC值和異常產(chǎn)熱的內(nèi)阻，并基于電池組SOC和內(nèi)阻信息，設(shè)計(jì)了不同失效層級的短路故障診斷策略，實(shí)驗(yàn)結(jié)果表明該方法能夠準(zhǔn)確估計(jì)短路電阻，并實(shí)現(xiàn)熱失控的提前預(yù)警。

部分研究采用了基于非模型的電池短路故障診斷方法。KONG等[52]提出了一種基于充電電壓曲線變換的電池短路定量診斷方法，通過將電池充電曲線與基準(zhǔn)曲線實(shí)施匹配，得到不同單體間剩余充電量的差異，進(jìn)而獲得各單體的漏電流與微短路電阻大?。焕猛饨佣搪冯娮鑼?shí)驗(yàn)進(jìn)行了性能驗(yàn)證，結(jié)果表明該方法在電池組出現(xiàn)老化以及不同充電模式下，均能較為精準(zhǔn)估計(jì)出微短路電阻。XIA等[53]提出了一種基于電壓曲線相關(guān)性的電池短路故障診斷方法，采用遞歸移動窗口相關(guān)系數(shù)計(jì)算方法，實(shí)現(xiàn)了短路故障的在線檢測，結(jié)果表明該方法對存在電池組SOC和SOH不一致性的情況，仍能對初始階段的短路進(jìn)行有效識別。

需要指出的是，針對電池內(nèi)/外短路的故障診斷，現(xiàn)有研究還未能夠有效地定位出短路發(fā)生位置，對如何區(qū)分內(nèi)短路和外短路兩類故障還有待進(jìn)一步研究。對內(nèi)短路和外短路，兩者體現(xiàn)出一定程度相似的電壓響應(yīng)特性，但兩者在產(chǎn)熱特性會有明顯差異，基于現(xiàn)有方法，結(jié)合精準(zhǔn)的熱模型，綜合利用電壓、溫度響應(yīng)信息，有望解決電池短路故障類型的精確識別。同時，需要在認(rèn)識電池本體內(nèi)短路的演化機(jī)制基礎(chǔ)上，進(jìn)一步提升微/內(nèi)短路的識別精度和效率，實(shí)現(xiàn)提前預(yù)警，切實(shí)保障電池的高安全 運(yùn)行。

3.3 熱故障診斷

操作溫度對電池性能影響顯著，若電池處于高溫操作，易引起可用容量的快速衰減[54]；受限于現(xiàn)有熱管理系統(tǒng)技術(shù)，往往難以保證電池組內(nèi)各單體溫度的均一化，其中的高溫單體老化速率加快，會加劇不一致性[55]。在極端情況下，高溫操作會導(dǎo)致電池內(nèi)部放熱副反應(yīng)加劇，顯著影響電池使用壽命，甚至引起隔膜收縮坍塌，導(dǎo)致內(nèi)短路，最終可能引發(fā)熱失控，并伴隨電池泄露、燃燒、爆炸、冒煙、脹氣等現(xiàn)象發(fā)生[56]。因此，在認(rèn)清溫度對電池性能影響規(guī)律基礎(chǔ)上，發(fā)展高效的電池?zé)峁收显\斷技術(shù)，對實(shí)現(xiàn)熱失控提前預(yù)警有重要作用，以保證電池系統(tǒng)的高安全、長壽命運(yùn)行。近年來，大容量電池單體在電動汽車和儲能領(lǐng)域的應(yīng)用越來越多，但是隨著單體容量增大，電池實(shí)際運(yùn)行過程中的內(nèi)芯溫度和表面溫度差異也會增大，尤其對高倍率充放電過程，其內(nèi)芯和表面的溫度差異更為顯著。一般地，對商用鋰離子電池，受成本和技術(shù)限制，往往難以通過預(yù)埋熱電偶等技術(shù)實(shí)現(xiàn)電池內(nèi)芯溫度的實(shí)時測量。因此，發(fā)展精確、可靠的電池內(nèi)芯溫度實(shí)時估計(jì)方法，對實(shí)現(xiàn)電池?zé)峁收系暮侠碓\斷有重要意義。

目前針對電池內(nèi)芯溫度估計(jì)方法開展的研究，前期主要面向圓柱形鋰離子電池。LIN等[57]在建立電池徑向集總熱模型基礎(chǔ)上，采用了基于最小二乘法的模型參數(shù)辨識策略，實(shí)現(xiàn)了模型參數(shù)與內(nèi)芯溫度的在線估計(jì)；并在考慮內(nèi)阻與溫度影響關(guān)系基礎(chǔ)上，還提出采用了一種融合非均勻遺忘因子的最小二乘法，以保證方法長期運(yùn)行的可靠性。RICHARDSON等[58]提出了一種基于電化學(xué)阻抗譜和表面溫度測量數(shù)據(jù)的內(nèi)芯溫度估計(jì)方法，不依賴于電池?zé)崽匦?、產(chǎn)熱速率和熱邊界條件等機(jī)理知識，具有計(jì)算效率高和魯棒性強(qiáng)的特點(diǎn)，通過內(nèi)置熱電偶實(shí)驗(yàn)驗(yàn)證了該方法有效性。KIM等[59]采用雙卡爾曼濾波方法，基于表面溫度、環(huán)境溫度、電流和電壓實(shí)測數(shù)據(jù)，可合理地估算出電池內(nèi)芯溫度和對流系數(shù)，并可得到在未知冷卻條件下圓柱形電池的徑向溫度分布?；趫A柱形電池內(nèi)芯溫度估計(jì)，可實(shí)施不同類型的熱故障診斷。DEY等[60]在建立考慮內(nèi)部導(dǎo)熱的電-熱耦合模型基礎(chǔ)上，提出采用LUENBERGER觀測器，實(shí)現(xiàn)了對流冷卻內(nèi)阻、內(nèi)部熱阻和熱失控三類典型熱故障的有效診斷。在此基礎(chǔ)上，DEY等[61]融入了內(nèi)阻與溫度的耦合關(guān)系，提出采用非線性觀測器，并設(shè)計(jì)了考慮不確定性的自適應(yīng)閾值設(shè)定策略，提升了所提方法的魯棒性和適用性，通過商業(yè)鋰離子電池試驗(yàn)，驗(yàn)證了熱故障診斷方法的有效性。

近年來，由于大容量方形電池逐漸開始大量應(yīng)用，在實(shí)際運(yùn)行中其溫度分布往往更不均勻，且內(nèi)/外溫差更大，亟需發(fā)展其內(nèi)芯溫度估計(jì)方法。與圓柱形鋰離子電池研究類似，SUN等[62]和ZHANG 等[63]通過構(gòu)建與文獻(xiàn)[57]相似的熱模型，采用卡爾曼濾波方法，實(shí)現(xiàn)了方形電池內(nèi)芯溫度的在線估計(jì)。考慮到方形電池內(nèi)部不同方向的導(dǎo)熱系數(shù)差異與外部不同表面的散熱系數(shù)差異，DAI等[64]提出了一種基于等效電路模型與等效熱阻網(wǎng)絡(luò)模型相耦合的建模策略，結(jié)合自適應(yīng)卡爾曼濾波，實(shí)現(xiàn)了內(nèi)芯溫度估計(jì)，并通過內(nèi)置熱電偶實(shí)驗(yàn)，驗(yàn)證了所提方法的有效性。但是，基于內(nèi)芯溫度估計(jì)的方形電池不同類型熱故障診斷研究，未見相關(guān)報導(dǎo)，有待進(jìn)一步研究。

需要指出的是，引發(fā)熱故障的內(nèi)在成因很多，既有電池本體的微/內(nèi)短路形成、內(nèi)阻過快增大、內(nèi)部導(dǎo)熱系數(shù)降低等故障引發(fā)，也有外部冷卻系統(tǒng)故障引發(fā)。引發(fā)熱故障后的外在表現(xiàn)為電池溫度不正常升高，甚至觸發(fā)熱失控導(dǎo)致安全問題。因此，要實(shí)現(xiàn)合理的熱故障診斷，需要對熱故障引發(fā)機(jī)制有深入的認(rèn)識，結(jié)合短路、一致性等其他類型故障診斷結(jié)果，并開發(fā)精準(zhǔn)電-熱模型和高效狀態(tài)估計(jì)/故障診斷方法，有望實(shí)現(xiàn)熱故障的提前預(yù)警和類型診斷，為電池高安全、長壽命運(yùn)行提供保障。

3.4 傳感器故障診斷

精確、可靠的電壓、電流和溫度實(shí)時測量數(shù)據(jù)是實(shí)現(xiàn)BMS中狀態(tài)估計(jì)、充放電控制、均衡控制等功能的基礎(chǔ)，若發(fā)生傳感器故障，會影響B(tài)MS的正常工作，甚至發(fā)生失效，導(dǎo)致系統(tǒng)性能惡化，甚至引發(fā)安全問題。

目前，針對傳感器故障診斷，大部分面向電流和電壓傳感器開展故障診斷研究。MARCICKI等[65]提出采用非線性奇偶方程法構(gòu)建診斷模型，通過結(jié)合滑模觀測器與離線電池模型，實(shí)現(xiàn)了單體電流或電壓傳感器故障的檢測與隔離。CHEN等[9]提出了一種融合降階LUENBERGER觀測器和學(xué)習(xí)觀測器的傳感器故障診斷策略，可同時實(shí)現(xiàn)故障檢測、分離與估計(jì)，通過三單體串聯(lián)電池組仿真實(shí)驗(yàn)，驗(yàn)證了所提方法在電流傳感器故障診斷的有效性。HE等[39]提出了一種基于一階等效電路模型與自適應(yīng)擴(kuò)展卡爾曼濾波的串聯(lián)電池組故障診斷技術(shù)，將自適應(yīng)卡爾曼濾波所得電壓估計(jì)值與電壓實(shí)測值對比，實(shí)現(xiàn)了電流和電壓傳感器故障的診斷。LIU等[66]提出一種基于二階等效電路模型與擴(kuò)展卡爾曼濾波的傳感器故障診斷方法，利用估計(jì)電壓與實(shí)測電壓間的殘差信息，采用統(tǒng)計(jì)推斷方法，實(shí)現(xiàn)了對電流或電壓傳感器故障的診斷。在此基礎(chǔ)上，為解決電池組內(nèi)電流/電壓傳感器故障診斷計(jì)算復(fù)雜度高的難題，LIU等[40]提出了對最高和最低電壓兩個單體進(jìn)行實(shí)時診斷，而對其他單體進(jìn)行長時間離線診斷的策略，通過串聯(lián)電池組試驗(yàn)，驗(yàn)證了所提方法能對電池組中的電流、電壓傳感器故障實(shí)現(xiàn)快速定位。此外，針對電流、電壓和溫度三類傳感器實(shí)施同時故障診斷，DEY等[11]基于一階等效電路—集總熱耦合模型，采用滑模觀測器技術(shù)[67]，實(shí)現(xiàn)了電流、電壓和溫度傳感器故障的同時檢測、分離與估計(jì)，通過設(shè)定傳感器偏置試驗(yàn)，對所提方法的有效性進(jìn)行了驗(yàn)證。

需要指出的是，目前大部分研究僅針對單體的單個傳感器故障診斷開展研究，對電池組/電池系統(tǒng)中大量傳感器的故障診斷研究涉及較少，會大大增加計(jì)算復(fù)雜度，需要開發(fā)更加高效的傳感器故障診斷策略。同時，根據(jù)傳感器故障程度不同，可能出現(xiàn)傳感器漂移、偏差、精度等級降低、完全失效等多種類型，發(fā)展傳感器故障的定量評價技術(shù)意義重大。此外，由于電流、電壓和溫度三類傳感器的信息會相互耦合，將增大同時診斷的難度，有待研究。

3.5 連接組件故障診斷

電池連接組件故障，如螺母、焊點(diǎn)松動會導(dǎo)致接觸內(nèi)阻增加，影響電池系統(tǒng)在高倍率下的功率性能，且會導(dǎo)致局部產(chǎn)熱量增大，老化速率加快，會減少剩余使用壽命，并在極端情況下可能會引發(fā)熱安全事故。

徐等[12]提出了一種基于等效電路建模與參數(shù)估計(jì)的連接組件接觸故障診斷方法，基于電流、電壓實(shí)測數(shù)據(jù)實(shí)施模型內(nèi)阻參數(shù)在線估計(jì)，結(jié)果表明對存在接觸故障的單體，其內(nèi)阻呈現(xiàn)出較大的波動，而對無接觸故障的單體，其內(nèi)阻變化較為平穩(wěn)，但該方法未給出定量判定電池出現(xiàn)接觸故障的指標(biāo)。YAO等[6]提出了采用信息熵分析方法，并系統(tǒng)比較了集成香農(nóng)熵、局部香農(nóng)熵和樣本熵三種類型信息熵計(jì)算方式，可實(shí)現(xiàn)電池連接組件故障發(fā)生時間和位置的診斷，結(jié)果表明采用集成香農(nóng)熵策略效果最優(yōu)。電池內(nèi)阻與接觸內(nèi)阻的增加均會導(dǎo)致電池功率性能的衰退，針對電池組功率失效的故障診斷問題，ZHENG等[68]提出一種基于等效電路模型與香農(nóng)熵的故障診斷方法，采用總體最小二乘法實(shí)現(xiàn)模型中內(nèi)阻參數(shù)的在線估計(jì)，通過對三個月內(nèi)阻數(shù)據(jù)的香農(nóng)熵分析，表明所提方法可對電池內(nèi)阻和接觸內(nèi)阻兩類故障進(jìn)行識別。

需要指出的是，現(xiàn)有大部分研究是基于電流和電壓信息實(shí)現(xiàn)電池連接組件故障診斷，一般地，電池接觸內(nèi)阻的增加會增大局部產(chǎn)熱，導(dǎo)致局部溫度升高，利用溫度信息，可能有助于提高連接組件故障的診斷效果。

3.6 多故障聯(lián)合診斷

電池本體、電池管理系統(tǒng)、傳感器、連接組件等均存在發(fā)生故障的隱患，而且多種故障可能會同時發(fā)生且相互耦合，會大大增加故障診斷難度。目前，大部分研究基本針對某種特定故障開發(fā)合適的故障診斷方法，還難以滿足多類型故障的同時診斷需求，例如兩個串聯(lián)單體間發(fā)生連接故障，測量電壓發(fā)生異常，前述單一故障診斷方法往往無法有效判別故障來源，即是否來自電池內(nèi)部濫用或是電池連接故障，難以實(shí)現(xiàn)故障類型和位置的準(zhǔn)確診斷。

KANG等[69]提出了一種考慮接觸電阻和電壓傳感器可靠性影響的交錯連接電壓測量方法，可適用于串聯(lián)電池組的多故障在線診斷，結(jié)果表明可對電池系統(tǒng)中的連接組件故障、傳感器故障和電池濫用故障實(shí)現(xiàn)有效診斷。針對帶有冷卻系統(tǒng)的電池系統(tǒng)，LIU等[70]通過構(gòu)建等效電路-熱耦合模型，并提出了一種基于結(jié)構(gòu)分析與序貫殘差發(fā)生器的多故障診斷方法，可實(shí)現(xiàn)電流/電壓/溫度傳感器故障、連接組件故障、冷卻系統(tǒng)故障的檢測與分離。劉文杰等[50]提出了一種基于模糊數(shù)學(xué)和模糊診斷理論的電池故障診斷專家系統(tǒng)，可實(shí)現(xiàn)對內(nèi)阻過大、電池開路、電池老化、電池連接不正常、電池容量偏小和電池充電不足6類故障的診斷。

需要指出的是，針對多種故障的診斷，無論是基于等效電路模型或電熱耦合模型的模型化方法，還是基于專家系統(tǒng)的非模型化方法，目前均只能實(shí)現(xiàn)少量特定幾種常見故障檢測、分離與估計(jì)，針對不常見故障和未在知識庫范圍內(nèi)的故障，各種方法的診斷效果仍需要進(jìn)一步驗(yàn)證。

4 挑 戰(zhàn)

針對鋰離子電池系統(tǒng)的故障診斷，由于故障種類繁多，每種故障的引發(fā)機(jī)制類型各異，且各種故障相互耦合，即觸發(fā)某種故障后可能會引發(fā)其他故障，經(jīng)全面文獻(xiàn)調(diào)研，相關(guān)研究主要存在如下挑戰(zhàn)。

（1）故障診斷系統(tǒng)的頂層設(shè)計(jì) 現(xiàn)有大部分研究僅針對特定應(yīng)用場景、特定故障類型開展，在多故障聯(lián)合診斷方法研究方面相對較少，并且在涉及大量單體串并聯(lián)組成的模組或系統(tǒng)開展在線故障診斷時，計(jì)算量將急劇增大，現(xiàn)有方法能否滿足實(shí)際應(yīng)用需求，有待驗(yàn)證。因此，需要從系統(tǒng)工程的角度出發(fā)，加強(qiáng)對故障診斷系統(tǒng)整體框架設(shè)計(jì)研究，以提升對實(shí)際應(yīng)用場景的適應(yīng)性。一方面，需要在認(rèn)清發(fā)生不同類型故障引發(fā)機(jī)制與危害基礎(chǔ)上，實(shí)施分層分級，合理設(shè)置故障診斷順序；另一方面，針對大規(guī)模電池系統(tǒng)，需要在單體、模組和系統(tǒng)三個層次，開展合理的簡化策略研究，降低故障診斷方法的計(jì)算量，確保故障診斷系統(tǒng)的高效運(yùn)行。

（2）故障引發(fā)機(jī)制的深層次診斷 同種故障多引發(fā)原因、多種故障相互耦合是制約實(shí)施精準(zhǔn)、可靠故障診斷的難題，現(xiàn)有大部分研究僅實(shí)施故障檢測，對故障分離與故障程度估計(jì)研究相對較少，尤其缺乏對故障引發(fā)原因的相關(guān)診斷研究。因此，需要在認(rèn)清各類故障引發(fā)機(jī)制與多種故障相互耦合關(guān)系的基礎(chǔ)上，在一定程度上實(shí)現(xiàn)故障類型/引發(fā)原因的解耦后，一方面有助于從源頭上采取相應(yīng)防護(hù)措施，避免故障發(fā)生或?qū)撛诠收蠈?shí)施提前防護(hù)；另一方面需要結(jié)合發(fā)展故障分離、故障程度評估方法，最終實(shí)現(xiàn)對故障引發(fā)機(jī)制的深層次診斷。

（3）熱失控的精準(zhǔn)、提前預(yù)警 電池?zé)崾Э匾蚱淦茐牧Υ螅菍W(xué)術(shù)界和工業(yè)屆持續(xù)關(guān)注的熱點(diǎn)問題。由于熱失控演化規(guī)律復(fù)雜，在其發(fā)生前隱蔽性強(qiáng)，如何實(shí)現(xiàn)熱失控的精準(zhǔn)、提前預(yù)警，挑戰(zhàn)很大。因此，在認(rèn)清熱失控引發(fā)機(jī)制及演化規(guī)律基礎(chǔ)上，尤其是針對機(jī)、電、熱濫用情況，認(rèn)清微/內(nèi)短路的演化規(guī)律，開發(fā)在多種濫用情況下包含電、熱、機(jī)械等多物理場耦合建模方法，實(shí)現(xiàn)不同熱失控觸發(fā)機(jī)制的特性模型，基此發(fā)展相應(yīng)的熱失控提前預(yù)警方法，以實(shí)現(xiàn)安全事故預(yù)防。

（4）全生命周期內(nèi)精準(zhǔn)、可靠的故障診斷 在電池制造、成組篩選和使用各個階段，諸多因素均可能引入電池系統(tǒng)故障隱患或引發(fā)故障；且在電池系統(tǒng)使用階段，隨著單體逐漸老化后，離散度逐漸增大，一致性逐漸變差，各種故障隱患也會明顯增大?，F(xiàn)有大部分研究提出的各類電池系統(tǒng)故障診斷方法，基本未在電池全生命周期內(nèi)的故障診斷性能實(shí)施驗(yàn)證，實(shí)際效果及適應(yīng)性有待進(jìn)一步驗(yàn)證。因此，需要在電池使用階段全生命周期內(nèi)的故障診斷試驗(yàn)設(shè)計(jì)方法研究基礎(chǔ)上，評價現(xiàn)有電池故障診斷方法的適用性和效果，并需要引入自適應(yīng)學(xué)習(xí)機(jī)制，提高全生命周期內(nèi)故障診斷方法的精準(zhǔn)性和可 靠性。

[1] WU Chao, ZHU Chunbo, GE Yunwang, et al. A review on fault mechanism and diagnosis approach for Li-ion batteries[J]. Journal of Nanomaterials, 2015, 2015: 1-9.

[2] SCROSATI B, GARCHE J. Lithium batteries: Status, prospects and future[J]. Journal of Power Sources, 2010, 195(9): 2419-2430.

[3] LIU Huaqiang, WEI Zhongbao, HE Weidong, et al. Thermal issues about li-ion batteries and recent progress in battery thermal management systems: A review[J]. Energy Conversion and Management, 2017, 150: 304-330.

[4] 白愷, 李娜, 范茂松, 等. 大容量梯次利用電池儲能系統(tǒng)工程技術(shù)路線研究[J]. 華北電力技術(shù), 2017(3): 39-45.

BAI Kai, LI Na, FAN Maosong, et al. Research on the technical roadmap for engineering application of large-scale echelon use battery energy storage system[J]. North China Electric Power, 2017(3): 39-45.

[5] WEN Jianwu, YU Yan, CHEN Chunhua. A review on lithium-ion batteries safety issues: existing problems and possible solutions[J]. Materials Express, 2012, 2(3): 197-212.

[6] YAO Lei, WANG Zhenpo, MA Jun. Fault detection of the connection of lithium-ion power batteries based on entropy for electric vehicles[J]. Journal of Power Sources, 2015, 293: 548-561.

[7] LU Languang, HAN Xuebing, LI Jianqiu, et al. A review on the key issues for lithium-ion battery management in electric vehicles[J]. Journal of Power Sources, 2013, 226: 272-288.

[8] 陳嵐, 范永清, 張謙, 等. 基于貝葉斯網(wǎng)絡(luò)的電池管理系統(tǒng)故障診斷方法[J]. 電源技術(shù), 2016, 40(7): 1396-1398.

CHEN Lan, FAN Yongqing, ZHANG Qian, et al. Fault diagnosis methods for battery management system based on bayesian network[J]. Chinese Journal of Power Sources, 2016, 40(7): 1396-1398.

[9] CHEN Wen, CHEN Weitian, Saif M, et al. Simultaneous fault isolation and estimation of lithium-ion batteries via synthesized design of Luenberger and learning observers[J]. IEEE Transactions on Control Systems Technology, 2014, 22(1): 290-298.

[10] 張夏梟. 空調(diào)系統(tǒng)中傳感器故障檢測與診斷方法研究[D].沈陽: 東北大學(xué), 2009.

ZHANG Xiaxiao. Approach research of sensor fault detection and diagnosis in HVAC system[D]. Shenyang: Northeastern University, 2009.

[11] Dey S, Mohon S, Pisu P, et al. Sensor fault detection, isolation, and estimation in lithium-ion batteries[J]. IEEE Transactions on Control Systems Technology, 2016, 24(6): 2141-2149.

[12] 徐佳寧, 梁棟濱,魏國, 等. 串聯(lián)電池組接觸電阻故障診斷分析[J]. 電工技術(shù)學(xué)報, 2017, 32(18): 106-112.

XU Jianing, LIANG Dongbin, WEI Guo, et al. Series battery pack's contact resistance fault diagnosis analysis[J]. Transactions of China Electrotechnical Society, 2017, 32(18): 106-112.

[13] OFFER G J, YUFIT V, HOWEY D A, et al. Module design and fault diagnosis in electric vehicle batteries[J]. Journal of Power Sources, 2012, 206: 383-392.

[14] 歐方明. 鋰電池內(nèi)部微短路控制方法[J]. 船電技術(shù), 2013, 33(4): 47-48.

OU Fangming. Control method of the microshort-circuit in the Li-ion Battery [J]. Marine Electric & Electronic Engineering, 2013, 33(4): 47-48.

[15] WALDMANN T, HOGG B I,Wohlfahrt-Mehrens M. Li plating as unwanted side reaction in commercial Li-ion cells – A review[J]. Journal of Power Sources, 2018, 384: 107-124.

[16] FENG Xuning, OUYANG Minggao, LIU Xiang, et al. Thermal runaway mechanism of lithium ion battery for electric vehicles: A review[J]. Energy Storage Materials, 2018, 10: 246-267.

[17] REN Dongsheng, FENG Xuning, LU Languang, et al. An electrochemical-thermal coupled overcharge-to-thermal-runaway model for lithium ion battery[J]. Journal of Power Sources, 2017, 364: 328-340.

[18] YUAN Qingfeng, ZHAO Fenggang, WANG Weidong, et al. Overcharge failure investigation of lithium-ion batteries[J]. Electrochimica Acta, 2015, 178: 682-688.

[19] Maleki H, Howard J N. Effects of overdischarge on performance and thermal stability of a Li-ion cell[J]. Journal of Power Sources, 2006, 160(2): 1395-1402.

[20] ZHENG Yong, HE Yanbing, QIAN Kun, et al. Influence of over-discharge on the lifetime and performance of LiFePO4/graphite batteries[J].RSC Advances, 2016, 6(36): 30474-30483.

[21] SHU Jie, SHUI Miao, XU Dan, et al. A comparative study of overdischarge behaviors of cathode materials for lithium-ion batteries[J]. Journal of Solid State Electrochemistry, 2012, 16(2): 819-824.

[22] ZHANG Shengshui. The effect of the charging protocol on the cycle life of a Li-ion battery[J]. Journal of Power Sources, 2006, 161(2): 1385-1391.

[23] GAO Yang, JIANG Jiuchun, ZHANG Caiping, et al. Lithium-ion battery aging mechanisms and life model under different charging stresses[J]. Journal of Power Sources, 2017, 356: 103-114.

[24] Andrenacci N, Ortenzi F, Prosini P P, et al. Ageing effects on batteries of high discharge current rate[C]//EVS 2017-30th International Electric Vehicle Symposium and Exhibition, 2017: Landesmesse Stuttgart GmbH.

[25] Johnsen B, N?rregaard K, Vium J H. EV Lithium-ion battery lifetime at low temperature[C]//Large Lithium Ion Battery Technology and Application Symposium, 2015: 595-601.

[26] Burow D, Sergeeva K, Calles S, et al. Inhomogeneous degradation of graphite anodes in automotive lithium ion batteries under low-temperature pulse cycling conditions[J]. Journal of Power Sources, 2016, 307: 806-814.

[27] Lindgren J, Lund P D. Effect of extreme temperatures on battery charging and performance of electric vehicles[J]. Journal of Power Sources, 2016, 328: 37-45.

[28] Wu M S, Chiang P C J. High-rate capability of lithium-ion batteries after storing at elevated temperature[J]. Electrochimica Acta, 2007, 52(11): 3719-3725.

[29] Feng Xuning, Fang Mou, He Xiangming, et al. Thermal runaway features of large format prismatic lithium ion battery using extended volume accelerating rate calorimetry[J]. Journal of Power Sources, 2014, 255(6): 294-301.

[30] LEVY S C. Safety and reliability considerations for lithium batteries[J]. Journal of Power Sources, 1997, 68(1): 75-77.

[31] 楊固長, 崔益秀, 周建銀. 鋰離子單體電池篩選方法的研究[J]. 電池工業(yè), 2009, 14(3): 152-154.

YANG Guchang, CUI Yixiu, ZHOU Jianyin. Research on the selecting methods for Li-ion cells[J]. Chinese Battery Industry, 2009, 14(3): 152-154.

[32] 王永琛, 倪江鋒, 王海波, 等. 鋰離子電池一致性分選方法[J]. 儲能科學(xué)與技術(shù), 2013, 2(5): 522-527.

WANG Yongchen, NI Jiangfeng, WANG Haibo, et al. Sorting methods of lithium ion batteries consistency[J]. Energy Storage Science and Technology, 2013, 2(5): 522-527.

[33] HE Xiangming. A facile consistency screening approach to select cells with better performance consistency for commercial 18650 lithium ion cells[J]. International Journal of Electrochemical Science, 2017, 12(11): 10239-10258.

[34] ZHENG Yuejiu, OUYANG Minggao, LU Languang, et al. On-line equalization for lithium-ion battery packs based on charging cell voltages: part 1. Equalization based on remaining charging capacity estimation[J]. Journal of Power Sources, 2014, 247: 676-686.

[35] 李娜, 白愷, 陳豪,等. 磷酸鐵鋰電池均衡技術(shù)綜述[J]. 華北電力技術(shù), 2012(2): 60-65.

LI Na, BAI Kai, CHEN Hao, et al. Summary of equalization for LiFePO4li-ion batteries[J]. North China Electric Power, 2012(2): 60-65.

[36] ZHAO Yu, ZHANG Weige, JIANG Jiuchun, et al. Analysis on inconsistency of electric bicycle battery pack[C]//Transportation Electrification Asia-Pacific. IEEE, 2014: 1-5.

[37] CHEN Zeyu, XIONG Rui, TIAN Jinpeng, et al. Model-based fault diagnosis approach on external short circuit of lithium-ion battery used in electric vehicles[J]. Applied Energy, 2016, 184: 365-374.

[38] YANG Ruixin, XIONG Rui, HE Hongwen, et al. A fractional-order model-based battery external short circuit fault diagnosis approach for all-climate electric vehicles application[J]. Journal of Cleaner Production, 2018, 187: 950-959.

[39] HE Hongwen, LIU Zhentong, HUA Yin. Adaptive extended Kalman filter based fault detection and isolation for a lithium-ion battery pack[J]. Energy Procedia, 2015, 75: 1950-1955.

[40] LIU Zhentong, HE Hongwen. Sensor fault detection and isolation for a lithium-ion battery pack in electric vehicles using adaptive extended Kalman filter [J]. Applied Energy, 2017, 185: 2033-2044.

[41] OUYANG Minggao, ZHANG Mingxuan, FENG Xuning, et al. Internal short circuit detection for battery pack using equivalent parameter and consistency method[J]. Journal of Power Sources, 2015, 294: 272-283.

[42] GAO Wenkai, ZHENG Yuejiu, OUYANG Minggao, et al. Micro-short circuit diagnosis for series-connected lithium-ion battery packs using mean-difference model[J]. IEEE Transactions on Industrial Electronics, 2018, doi: 10.1109/TIE.2018.2838109.

[43] HONG Jichao, WANG Zhenpo, LIU Peng. Big-data-based thermal runaway prognosis of battery systems for electric vehicles[J]. Energies, 2017, 10(7): 919.

[44] ZHAO Yang LIU Peng, WANG Zhenpo, et al. Fault and defect diagnosis of battery for electric vehicles based on big data analysis methods[J]. Applied Energy, 2017, 207: 354-362.

[45] WANG Zhenpo, HONG Jichao, LIU Peng, et al. Voltage fault diagnosis and prognosis of battery systems based on entropy and Z -score for electric vehicles[J]. Applied Energy, 2017, 196: 289-302.

[46] SUN Zhenyu, LIU Peng, WANG Zhenpo. Real-time fault diagnosis method of battery system based on shannon entropy [J]. Energy Procedia, 2017, 105: 2354-2359.

[47] Gao Z, Cheng S C, Woo W L, et al. Genetic algorithm based back-propagation neural network approach for fault diagnosis in lithium-ion battery system[C]//International Conference on Power Electronics Systems and Applications. IEEE, 2016: 1-6.

[48] 古昂, 張向文. 基于RBF神經(jīng)網(wǎng)絡(luò)的動力電池故障診斷系統(tǒng)研究[J]. 電源技術(shù), 2016, 40(10): 1943-1945.

GU Ang, ZHANG Xiangwen. Fault diagnosis system for power battery based on RBF neural network[J]. Chinese Journal of Power Sources, 2016, 40(10): 1943-1945.

[49] 夏飛, 馬茜, 張浩, 等. 改進(jìn)D-S證據(jù)理論在電動汽車鋰電池故障診斷中的應(yīng)用[J].智能系統(tǒng)學(xué)報, 2017, 12(4): 526-537.

XIA Fei, MA Xi, ZHANG Hao, et al. Application of improved D-S evidence theory in fault diagnosis of lithium batteries in electric vehicles[J]. CAAI Transactions on Intelligent Systems, 2017, 12(4): 526-537.

[50] 劉文杰, 齊國光. 基于模糊理論的電池故障診斷專家系統(tǒng)[J]. 吉林大學(xué)學(xué)報(信息科學(xué)版), 2005, 23(6): 670-674.

LIU Wenjie, QI Guoguang. Expert system for faults diagnosis of battery based on fuzzy set theory[J]. Journal of Jilin University (Information Science Edition), 2005, 23(6): 670-674.

[51] FENG Xuning, PAN Yue, HE Xiangming, et al. Detecting the internal short circuit in large-format lithium-ion battery using model-based fault-diagnosis algorithm[J]. Journal of Energy Storage, 2018, 18: 26-39.

[52] KONG Xiandong, ZHENG Yuejiu, OUYANG Minggao, et al. Fault diagnosis and quantitative analysis of micro-short circuits for lithium-ion batteries in battery packs[J]. Journal of Power Sources, 2018, 395: 358-368.

[53] XIA Bing, SHANG Yunlong, NGUYEN T, et al. A correlation based fault detection method for short circuits in battery packs[J]. Journal of Power Sources, 2017, 337: 1-10.

[54] Palacín M R, De Guibert A. Batteries: Why do batteries fail?[J]. Science, 2016, 351(6273): 1253292.

[55] Bandhauer T M, Garimella S, Fuller T F. A critical review of thermal issues in lithium-ion batteries[J]. Journal of the Electrochemical Society, 2011, 158(3): R1-R25.

[56] WANG Qingsong, PING Ping, ZHAO Xuejuan, et al. Thermal runaway caused fire and explosion of lithium ion battery[J]. Journal of Power Sources, 2012, 208: 210-224.

[57] LIN Xinfan, Perez H E, Siegel J B, et al. Online parameterization of lumped thermal dynamics in cylindrical lithium ion batteries for core temperature estimation and health monitoring[J]. IEEE Transactions on Control Systems Technology, 2013, 21(5): 1745-1755.

[58] Richardson R R, Ireland P T, Howey D A. Battery internal temperature estimation by combined impedance and surface temperature measurement[J]. Journal of Power Sources, 2014, 265: 254-261.

[59] Kim Y, Mohan S, Siegel J B, et al. The estimation of temperature distribution in cylindrical battery cells under unknown cooling conditions[J]. IEEE Transactions on Control Systems Technology, 2014, 22(6): 2277-2286.

[60] Dey S, Biron Z A, Tatipamula S, et al. On-board thermal fault diagnosis of lithium-ion batteries for hybrid electric vehicle application[J]. IFAC Papers-Online, 2015, 48(15): 389-394.

[61] Dey S, Biron Z A, Tatipamula S, et al. Model-based real-time thermal fault diagnosis of Lithium-ion batteries[J]. Control Engineering Practice, 2016, 56: 37-48.

[62] SUN Jinlei, WEI Guo, PEI Lei, et al. Online internal temperature estimation for lithium-ion batteries based on Kalman filter[J]. Energies, 2015, 8(5): 4400-4415.

[63] ZHANG Cheng, LI Kang, DENG Jing. Real-time estimation of battery internal temperature based on a simplified thermoelectric model[J]. Journal of Power Sources, 2016, 302: 146-154.

[64] DAI Haifeng, ZHU Letao, ZHU Jiangong, et al. Adaptive Kalman filtering based internal temperature estimation with an equivalent electrical network thermal model for hard-cased batteries[J]. Journal of Power Sources, 2015, 293: 351-365.

[65] Marcicki J, Onori S, Rizzoni G. Nonlinear fault detection and isolation for a lithium-ion battery management system[C]// ASME 2010 Dynamic Systems and Control Conference, 2010, 1: 607-614.

[66] LIU Zhentong, HE Hongwen. Model-based sensor fault diagnosis of a lithium-ion battery in electric vehicles[J]. Energies, 2015, 8(7): 6509-6527.

[67] EDWARDS C, PATTON R J, SPURGEON S K. Sliding mode observers for fault detection and isolation[J]. Automatica, 2000, 36(4): 541-553.

[68] ZHENG Yuejiu, HAN Xuebing, LU Languang, et al. Lithium ion battery pack power fade fault identification based on Shannon entropy in electric vehicles[J]. Journal of Power Sources, 2013, 223: 136-146.

[69] KANG Yongzhe, DUAN Bin, SHANG Yunlong, et al.Multi-fault online detection method for series-connected battery packs[C]// Chinese Automation Congress. IEEE, 2017: 235-240.

[70] LIU Zhentong, AHMED Q, RIZZONI G, et al. Fault detection and isolation for lithium-ion battery system using structural analysis and sequential residual generation [C]// ASME 2014 Dynamic Systems and Control Conference, 2014, 2: V002T36A005.

The progress in fault diagnosis techniques for lithium-ion batteries

1,2,3,2,3,3,3

(1Guangdong Diankeyuan Energy Technology Co. Ltd., Guangzhou 510080, Guangdong, China;2Electric Power Research Institute of Guangdong Power Grid Co. Ltd., Guangzhou 510080, Guangdong, China;3Department of Chemical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China)

Accurate and reliable fault diagnosis technique is crucial to guarantee the safe, stable and reliable operation of lithium-ion batteries. First, the common fault types of battery system are briefly summarized and the failure initiation mechanisms of battery are elaborated. Then, the current developed fault diagnosis techniques for battery system are classified. Moreover, several typical fault diagnosis methods and their corresponding application cases for battery system are reviewed. Finally, the challenging and future research direction of fault diagnosis for lithium-ion batteries are proposed.

lithium-ion batteries; safety; fault diagnosis; initiation mechanism

10.12028/j.issn.2095-4239.2018.0195

TM 911

A

2095-4239（2019）02-225-12

2018-09-23；

2018-12-08。

南方電網(wǎng)公司科技項(xiàng)目（GDKJXM00000039）。

蘇偉（1971—），男，教授級高級工程師，主要從事電力化學(xué)的研究，E-mail：jxhwsu@163.com；

賀益君，博士，副研究員，從事能量儲存與轉(zhuǎn)換及電池管理系統(tǒng)的研究，E-mail：heyijun@sjtu.edu.cn。