芮光輝,張明浩,魏廷云,汪映輝,石進永

1(國網青海省電力公司 西寧電動汽車服務分公司,西寧 810008)

2(國電南瑞南京控制系統(tǒng)有限公司,南京 210023)

近年來,能源短缺和環(huán)境污染,成為人類發(fā)展所面臨的巨大挑戰(zhàn)[1-3].為了減少碳排放,降低化石能源消耗對國家能源安全構成的威脅,緩解環(huán)境危機,加速開發(fā)和推廣應用新能源車輛已成為全球共識,新能源汽車和軌道交通車輛被列入我國七大戰(zhàn)略新興產業(yè),也是“中國制造2025”的重要組成部分.作為新能源車輛的關鍵技術,動力電池及其應用是各國競相占領的技術制高點,對自主突破新能源車輛技術瓶頸至關重要.為了電動汽車安全平穩(wěn)運行費,保障動力電池的安全穩(wěn)定是重中之重.對此,需要研究電動汽車充電過程故障在線預警方法,保證充電過程安全性,而且實現(xiàn)電池充電時間的最小化.

國內外車企在電池安全管理方面具備一定成果.文獻[4]主要對電動汽車充電過程中的故障現(xiàn)象進行分析,并給出了一些診斷方法.文獻[5]劃分了不同的動力電池故障等級,通過算例驗證故障檢測方法.文獻[6]通過對動力電池故障數(shù)據(jù)進行數(shù)據(jù)轉換,運用神經網絡的方法對動力電池故障進行短期預測.文獻[7]研究一種實時故障診斷與失效處理策略,實時診斷可能發(fā)生的故障并根據(jù)故障的嚴重程度采取合適的失效處理策略.文獻[8]研究了電動汽車充電控制原理,給出了常見無法充電故障檢測與維修的方法.針對電動汽車充電故障在線診斷,許多學者僅僅是分析了電動汽車動力電池的故障等級,并給出了一種常規(guī)的手工操作的故障診斷方法,并沒有對動力電池故障進行一個短期和中長期的在線診斷與預警,因此如何將短期和中長期的動力電池在線診斷與預警成果應用于實車監(jiān)控就顯得尤為重要.

本文以電動汽車充電過程的動力電池為對象,針對充電安全問題,分析單體電池基本性能,為了準確清晰的表征電池電壓的變化趨勢,采用“電壓差歸一化曲線”來進行分析動力電池組安全特性,以短期和中長期不同時間尺度為依據(jù)制定安全充電控制策略,主要研究了電池充電溫升因素影響下的中長期充電控制策略,并建立目標函數(shù),利用遺傳算法進行優(yōu)化控制,最后利用充電樁監(jiān)控平臺提供的充電狀態(tài)信息數(shù)據(jù),對所提出的基于電池模型的充電設施充電數(shù)據(jù)在線預警進行了驗證.

1 電動汽車動力電池充電安全特性分析

1.1 單體電池基本性能研究

針對充電安全問題,搭建電池測試平臺,以典型鋰離子電池(三元電池和磷酸鐵鋰電池)為研究對象,分析不同溫度、充電倍率、充電電壓等對電池熱穩(wěn)定性和負極析鋰的影響.

對單體電池進行容量測試實驗和混合脈沖功率特性實驗,來分析單體電池的基本特性.兩款電池的容量測試結果如圖1,圖2所示.圖3,圖4為電池開路電壓與內阻隨SOC變化的關系.

圖1 磷酸鐵鋰電池容量測試結果

圖2 三元電池容量測試結果

圖3 磷酸鐵鋰電池開路電壓與內阻隨SOC 變化

根據(jù)對單體電池的基本特性研究結果的出,開路電壓隨SOC的變化情況,形成電池充電安全的邊界條件,可以為動力電池充電安全系數(shù)的制定及預警提供理論依據(jù).

圖4 三元電池開路電壓與內阻隨SOC 變化

1.2 動力電池組充電安全特性分析

造成不同電池單體電壓差異的原因是多樣的,其中主要關注的影響因素是電池的容量、內阻及放電區(qū)間.

本文基于電池單體SOC-V 曲線對充電階段電池電壓變化趨勢進行判別.但是由于鋰離子電池存在電壓平臺,電池處于平臺區(qū)時,電池電壓的差異可能很小,僅利用SOC-V 曲線很難進行判斷.為了準確清晰的表征電池電壓的變化趨勢,采用“電壓差歸一化曲線”來進行分析.以充放電過程中SOC作為橫坐標,形成曲線的公式為:

其中,V(SOC)、Vmin(SOC)、Vmax(SOC)分別表示對應SOC的選定單體電池的電壓、最低單體電壓、最高單體電壓.對于一個完整的充放電過程,取任意的單體電池,曲線都是在0～100%之間變化.通過對比參考曲線即可分析出選定單體電池的電壓變化趨勢,參考曲線選定電池電壓中位數(shù)的“電壓差歸一化曲線”[9,10],即:

其中,Vmid(SOC)是對應SOC的所有電池單體電壓的中位數(shù).選取中位數(shù)作為參考標準,是為了防止電池組中異常偏高和偏低的電池對參考標準造成影響.如圖5所示的是一次充電過程中某一單體電池“電壓差歸一化曲線”與參考曲線的對比.

“電壓差歸一化曲線”作為普通統(tǒng)計方法的擴展和補充,不僅增強了異常電池診斷的精度,同時這種方法簡單易行,可以應用于每一個電池單體,使異常電池的定位更加直觀.

圖5 電壓差歸一化曲線

2 多時間尺度的電動汽車動力電池智能充電策略

2.1 短期安全智能充電策略

常見的故障現(xiàn)象包括:電池組容量降低、充電電壓過高、電池組充不進電、放電電壓低;電池自放電大;局部高溫、單體電壓一致性變差、電池打弧擊穿等.

圖6展示了短期充電安全智能保護策略流程圖.該策略通過實時檢測鋰離子電池的充放電電流、單體電壓、電池組總電壓以及環(huán)境溫度等數(shù)據(jù),并根據(jù)這些數(shù)據(jù)對動力鋰電池可能存在的故障進行判斷,給出相應的處理措施,避免鋰電池發(fā)生嚴重故障和事故,并將數(shù)據(jù)上傳至云服務器處理,以便長期安全預警[9,10].需要采集的電池數(shù)據(jù)有:

(1)單體電池的電壓;

(2)單體電池的極耳溫度;

(3)電池組總電壓;

(4)充放電總電流.

2.2 中長期安全智能充電策略

基于充電極化電壓特性的鋰電池可接受充電電流曲線如圖7所示,隨著電池SOC的增加,可接受充電電流逐漸減小.隨著電池SOC的增加,歐姆內阻、極化內阻和熵變系數(shù)會隨之變化,造成不同SOC區(qū)間的充電溫升速率不同,因此,在基于極化特性的可接受充電電流的限制下,在溫升速率小的區(qū)間提高充電電流,在溫升速率大的區(qū)間降低充電電流,從而實現(xiàn)全程充電時間和充電溫升的平衡,在保證充電速度的前提下延長電池使用壽命.因此本節(jié)提出以縮短充電時間和限制充電溫升作為優(yōu)化目標的優(yōu)化充電策略(時間-溫升策略):以△SOC為間隔劃分充電SOC區(qū)間,共分為N步,在極化限制的可接受充電電流曲線約束下,合理優(yōu)化選擇每一步的充電電流,使得優(yōu)化充電目標函數(shù)取得最優(yōu)值.因為溫升與電池壽命相關,因此目標函數(shù)綜合考慮了充電時間和壽命,將已由充電時間和充電溫升組成.

圖6 短期充電安全智能保護策略流程圖

圖7 極化限制可接受充電電流曲線及容量溫升充電策略示意圖

每隔一定△SOC變化一次充電電流,假設從0%SOC充電到充電100%SOC需要N步變化電流.不考慮預充電情況下,N和SOC之間的關系為式(3).

第k步充電時間tk為:

其中,電池充電容量Q以0.05C 充電容量為基準.

總充電時間t為:

總充充電容量Qch為:

在此把第N步充電容量和充電時間單獨提出來討論,因為第N步充電容量不一定能達到理論值ΔS OCQ,多數(shù)情況第N步充電電流大于0.05C,總充電容量小于0.05C時的充電容量.下面計算最后一步充電容量和充電時間.以三元材料電池充電上限電壓4.2 V為例.達到充電上限電壓時有關系:

OCV(N)表示第N步充電結束時的OCV.

則OCV(N)為:

根據(jù)OCV-SOC 曲線可以求解出第N步充電結束時的SOCN為:

則第N步充入的容量為:

第N步充電時間也可求.

關于充電溫升的函數(shù)關系如下:

式中,表示第k步充電開始電池溫度,Tk表示第k步充電過程中電池溫度變化.第k+1 步的電池初始溫度等于第k步電池結束溫度:

溫升為充電過程中的最大溫度-初始溫度:

目標函數(shù)歸一化線性打分制,以最大允許溫升為60 分,1/20C 充電溫升為100 分.最大允許溫升是電池生產或在使用過程中人為設定的最大溫升,保證電池安全;1/20C 充電溫升為最小溫升,因為通常用此倍率測定電池OCV-SOC 曲線.以最大允許充電時間為60 分,極化邊界電流充電時間為100 分.最大允許充電時間是用戶角度定制的,因為超過一定長度的充電時間,用戶會焦躁不安難以接受.最終目標函數(shù)為式(14),采用線性加權的形式,加權系數(shù) α稱為時間加權系數(shù),代表充電時間的重要程度,加權系數(shù) β稱為溫升加權系數(shù),代表充電溫升的重要程度,滿足α+β=1.

運行Matlab 遺傳算法程序,設置初始種群數(shù)10,代溝0.9,代數(shù)40,并設置不同的充電時間和充電溫升權重系數(shù),優(yōu)化結果如圖8～圖10所示.

α=0.5,β=0.5 優(yōu)化結果如圖8所示.

圖8 系數(shù)α=0.5,β=0.5 優(yōu)化計算結果

α=0.3,β=0.7 優(yōu)化結果圖9所示.

α=0.7,β=0.3 優(yōu)化結果圖10所示.

圖9 系數(shù)α=0.3,β=0.7 優(yōu)化計算結果

從不同權重系數(shù)的Matlab 仿真優(yōu)化結果可以看出,當遺傳算法進行40 代時,每代個體的最大適應度值已經近似趨于穩(wěn)定,這說明適應度函數(shù)即目標函數(shù)是收斂的.由于充電電流以極化電壓限制的可接受充電電流為邊界條件,而此電流邊界條件隨SOC的增加逐漸減小,所以優(yōu)化得到的最優(yōu)充電電流隨著SOC的增加整體變化趨勢是逐漸減小,同時,在某些SOC區(qū)間,充電電流會稍有增加,這是因為在這些SOC區(qū)間,電池具有較小的內阻或極化,產熱速率相對較低,因此可以用大電流充電以加快充電速度.當權重系數(shù)α=0.3,β=0.7 時,相應的優(yōu)化充電電流對應的充電時間為1.99 h,充電溫升為1.9℃;當權重系數(shù)α=0.5,β=0.5 時,相應的優(yōu)化充電電流對應的充電時間為1.34 h,充電溫升為2.87℃;當權重系數(shù)α=0.7,β=0.3 時,相應的優(yōu)化充電電流對應的充電時間為1.07 h,充電溫升為3.8℃.

圖10 系數(shù)α=0.7,β=0.3 優(yōu)化計算結果

3 基于充電樁監(jiān)控平臺的充電故障在線預警策略檢驗

利用充電樁監(jiān)控平臺提供的充電狀態(tài)信息數(shù)據(jù),對所提出的基于電池模型的充電設施充電數(shù)據(jù)在線預警進行了驗證.根據(jù)電動汽車動力蓄電池的類型、規(guī)格以及參數(shù)信息構建動力電池模型,例如電池類型、額定容量、初始荷電狀態(tài)等信息.根據(jù)提出的模擬動力蓄電池充電響應方法以及電池模型計算模擬動力電池充電響應.利用CAN 總線監(jiān)聽技術,解析充電過程中充電機和電池管理系統(tǒng)的CAN 通信報文,實時獲取充電機和電池充電狀態(tài)信息以及電池充電需求信息,將電池模型模擬的充電響應信息與電池的充電狀態(tài)信息進行對比,同時將充電機的充電狀態(tài)信息與電池充電需求信息進行對比,來判斷充電過程是否正常.如果比對信息的差異在允許范圍內則說明充電過程正常,如果比對信息存在明顯差異則說明充電過程有誤,對差異信息進行具體解析,可以明確充電故障信息,進而實現(xiàn)充電故障預警.

3.1 正常充電過程

選取正常充電過程中的一組完整的電池狀態(tài)信息數(shù)據(jù),其中包括充電時間、充電電流、充電電壓、荷電狀態(tài)等信息,在Matlab 仿真環(huán)境中進行程序設計,驗證所提故障監(jiān)測方法的可行性.電池模型的SOC計算數(shù)據(jù)與BMS 提供的SOC數(shù)據(jù)對比結果如圖11所示,電池模型的計算數(shù)據(jù)與BMS 提供的數(shù)據(jù)最大相對誤差小于2%.電池模型的電壓計算數(shù)據(jù)與BMS 提供的電壓數(shù)據(jù)對比結果如圖12所示,電池模型的計算數(shù)據(jù)與BMS 提供的數(shù)據(jù)最大相對誤差小于0.5%.以上對比結果說明,電動汽車充電正常,充電結果顯示電池的初始SOC為60%,初始電壓為552 V,歷時92 分鐘電池充滿,電壓達到570 V.

圖11 電池模型的SOC 計算數(shù)據(jù)與BMS 提供的SOC 數(shù)據(jù)對比

圖12 電池模型的電壓計算數(shù)據(jù)與BMS 提供的電壓數(shù)據(jù)對比

3.2 異常充電過程

選取電動汽車充電事故案例的充電數(shù)據(jù)進行仿真以驗證所提故障監(jiān)測方法在異常充電過程中的應用.電池模型的SOC 計算數(shù)據(jù)與BMS 提供的SOC 數(shù)據(jù)對比結果如圖13所示.通過圖13可以看出,電池的初始SOC為62%,在充電歷時88 分鐘電池已經充滿的情況下,BMS 沒有向充電機發(fā)送中止充電指令,電池繼續(xù)充電,在正常情況下,充電過程應停止,因此說明充電過程出現(xiàn)異常,應當發(fā)出充電故障預警信號.充電機提供的充電電壓信息與BMS 提供的充電電壓數(shù)據(jù)對比結果如圖14所示,通過圖14可以看出,當充電歷時88 分鐘電池充滿后,充電過程繼續(xù),BMS 提供的電池電壓數(shù)據(jù)并沒有按照實際充電過程進行更新,電池充電需求與充電機充電電壓存在較大差異,差異數(shù)值超出允許范圍,可以判斷由于BMS 模塊功能失效導致充電過程出現(xiàn)異?；蚬收?而充電機由于缺少主動保護機制未及時發(fā)出故障預警信號,沒有及時中止充電過程.

圖13 電池模型的SOC 計算數(shù)據(jù)與BMS 提供的SOC 數(shù)據(jù)對比

圖14 充電機提供電壓數(shù)據(jù)與BMS 提供電壓數(shù)據(jù)對比

4 結論

本文針對電動汽車充電安全問題,分析單體電池基本性能,采用“電壓差歸一化曲線”來分析動力電池組安全特性,以短期和中長期不同時間尺度為依據(jù)制定安全充電控制策略,最后利用充電樁監(jiān)控平臺提供的充電狀態(tài)信息數(shù)據(jù),對所提出的基于電池模型的充電設施充電數(shù)據(jù)在線預警進行了驗證.本研究能夠對電動汽車充電故障進行診斷及預警,能夠最大程度的減少電池在電動汽車運行中出現(xiàn)故障造成的危害,實現(xiàn)短期與中長期的充電安全智能保護控制功能,排除隱患.