尹麗瓊　韋安定　韋財金

摘 要：高效精確的電動汽車動力電池故障診斷技術(shù)，不僅是電動汽車安全行駛的保證，也是電動汽車快速健康發(fā)展的重要技術(shù)支撐。本文將圍繞電池管理系統(tǒng)和熱管理系統(tǒng)，綜述這兩套系統(tǒng)在保證電動汽車安全行駛的最新研究進(jìn)展；以獲取汽車運行數(shù)據(jù)為視角，介紹在電池系統(tǒng)運行時的數(shù)據(jù)傳輸?shù)南冗M(jìn)技術(shù)；以大數(shù)據(jù)驅(qū)動的角度，分析目前在多維度數(shù)據(jù)融合、故障識別、故障報警三方面的當(dāng)前技術(shù)優(yōu)缺點；在大數(shù)據(jù)和人工智能技術(shù)的背景下，對電動汽車故障診斷技術(shù)的發(fā)展進(jìn)行展望。

關(guān)鍵詞：大數(shù)據(jù) 電池管理系統(tǒng) 故障診斷 故障預(yù)測

1 引言

隨著電動汽車的快速普及，消費者和汽車廠商對電池安全問題越來越重視，動力電池不僅是電動汽車的主要動力來源和核心零部件，也是其快速發(fā)展的主要技術(shù)壁壘。鋰離子電池在生產(chǎn)制造過程中不可避免的工藝問題，導(dǎo)致其各個單體電池存在差異性，為日后使用埋下安全隱患；隨著使用時間的延長其電池綜合性能不斷衰減，導(dǎo)致汽車的續(xù)駛里程縮短、電池一致性變差、動力性減弱等一系列問題。故對動力電池故障進(jìn)行診斷和預(yù)測，是電動汽車安全、智能、便捷使用的重要技術(shù)保證[1]。

目前研究人員已經(jīng)從故障發(fā)生的邊界條件、表現(xiàn)特征、內(nèi)在原理和故障擴(kuò)張等方面做了大量的研究工作，對電池系統(tǒng)故障有了較為深刻的認(rèn)識，基于故障發(fā)生的表現(xiàn)特征和反應(yīng)機(jī)理，對故障診斷和預(yù)測形成了較為完善的理論體系和初步解決方案。但在工況復(fù)雜多變的實際使用場景下，目前的解決方案難以診斷多故障耦合現(xiàn)象和對故障做出準(zhǔn)確的預(yù)測。大數(shù)據(jù)分析技術(shù)在動力電池故障診斷領(lǐng)域的運用也不斷獲得成功，動力電池與大數(shù)據(jù)融合是未來行業(yè)大趨勢，也是我國汽車行業(yè)產(chǎn)業(yè)升級的戰(zhàn)略方向[2]。故，如何基于電動汽車使用過程中產(chǎn)生的海量數(shù)據(jù)，建立大數(shù)據(jù)分析視角下整個電池系統(tǒng)故障診斷和預(yù)測體系，是目前研究的重點與熱點。

本文論述了電池系統(tǒng)故障診斷與預(yù)測技術(shù)的研究現(xiàn)狀，首先圍繞汽車安全分別介紹了電池管理系統(tǒng)、電池?zé)峁芾硐到y(tǒng)和汽車數(shù)據(jù)安全傳輸?shù)葍?nèi)容，并重點闡述了目前電池系統(tǒng)中故障技術(shù)的研究，從電池系統(tǒng)多維度數(shù)據(jù)融合特征提取、電池故障識別、電池故障預(yù)警三個方面進(jìn)行分析總結(jié)；基于目前電動汽車智能化、網(wǎng)聯(lián)化和數(shù)字化的發(fā)展，對大數(shù)據(jù)分析下多維數(shù)據(jù)融合的故障診斷發(fā)展進(jìn)行了展望；最后對電池診斷的關(guān)鍵技術(shù)和主要內(nèi)容進(jìn)行了總結(jié)，總體論文框架如圖1所示。

2 電動汽車動力電池安全管理

2.1 電池管理系統(tǒng)

當(dāng)動力電池系統(tǒng)在安全的區(qū)域內(nèi)運行時，才能保證電動汽車高效安全的行駛，電池管理系統(tǒng)（BMS）作為保證其安全運行的唯一設(shè)備，通過自身攜帶的傳感器獲得汽車各種特征參數(shù)，來實現(xiàn)對電池的安全管理。其傳感器可以獲得電池電壓、充放電電流、單體電池溫度、車速等各種參數(shù)，利用這些參數(shù)可以估計獲得包括電池荷電狀態(tài)（SOC）、健康狀態(tài)（SOH），剩余里程估計等電池多種狀態(tài)[3]。故，需要根據(jù)目的不同設(shè)計不同的電池模型和算法。

對于電池荷電狀態(tài)的估計較為傳統(tǒng)的方法是安時積分法，但此方法不但要求數(shù)據(jù)具有精確的初始值，而且無法避免由于數(shù)據(jù)誤差造成的積累誤差；開路電壓法可用于實現(xiàn)電池荷電狀態(tài)的準(zhǔn)確估計，但由于此方法需要電池長時間的放置，并不適合實際情況的使用。隨著機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的快速發(fā)展，神經(jīng)網(wǎng)絡(luò)算法可以被用來對電池狀態(tài)進(jìn)行在線估計，但該方法需要大量的數(shù)據(jù)對模型進(jìn)行訓(xùn)練，且模型精度受數(shù)據(jù)精度的直接影響。Liu等人針對串聯(lián)電池組，提出了一種基于模型的傳感器風(fēng)險檢測與隔離方案，采用自適應(yīng)擴(kuò)展卡爾曼濾波（AEKF）估計每個單體電池的狀態(tài)，并將估計的輸出電壓與實測電壓進(jìn)行比較產(chǎn)生殘差，用統(tǒng)計推理的方法對殘差進(jìn)行估計，確定風(fēng)險的存在程度，最后通過一個串聯(lián)電池組在UDDS驅(qū)動循環(huán)下的實驗驗證了該方案的有效性[4]。Yang等人通過對電動汽車的大量風(fēng)險進(jìn)行統(tǒng)計分析，將神經(jīng)網(wǎng)絡(luò)算法與統(tǒng)計方法相結(jié)合，構(gòu)建了電池風(fēng)險診斷策略同時將統(tǒng)計結(jié)果和實際車輛進(jìn)行了對比分析[5]。Wang等人針對電動汽車充電過程中的一些風(fēng)險隱患，從一體化和安全角度出發(fā)提出了一種基于模糊層次綜合分析法的在線風(fēng)險預(yù)測模型并通過專家經(jīng)驗建立打分表的方式來確定各種風(fēng)險因素對模型的影響，從而建立了風(fēng)險診斷策略，結(jié)果表明該模型能對安全等級進(jìn)行有效評估并對風(fēng)險進(jìn)行精準(zhǔn)預(yù)測，從而保障了電動汽車的正常運行。

2.2 電池?zé)峁芾硐到y(tǒng)

電池?zé)峁芾硐到y(tǒng)（BTMS）的主要作用是，保證電池在過充、過壓或極端外部條件下，保證電池各單體、電池包和各個模組在正常的溫度下工作切溫度分布均勻，電池?zé)峁芾硐到y(tǒng)對于防止或延緩電池溫度失控和部分單體電池溫度過高，重要作用。目前電池管理系統(tǒng)按照冷卻方式可以分為主動冷卻和被動冷卻，按照冷卻介質(zhì)分為空氣冷卻、液體冷卻、熱管冷卻等類型。其中無論是主動或被動冷卻系統(tǒng)，以空氣為介質(zhì)的冷卻系統(tǒng)由于導(dǎo)熱系數(shù)的限制，都很難有效的滿足電池降溫散熱的實際需求。

目前的比較傳統(tǒng)的池?zé)峁芾硐到y(tǒng)都是利用電池管理系統(tǒng)的傳感器獲得電池各部分溫度數(shù)據(jù)。與存儲在ECU中提取設(shè)置好的閾值進(jìn)行對比，當(dāng)超過閾值時便會提高散熱體系工作力度。基于大數(shù)據(jù)分析，可以利用汽車運行的各種歷史數(shù)據(jù)對電池溫度狀態(tài)進(jìn)行分析，并對電池包和各個單體電池溫度做出預(yù)測，當(dāng)預(yù)測電池溫度將有過高的危險時，散熱系統(tǒng)將會提取提高工作力度，以防止電池出現(xiàn)溫度過高的危險。

2.3 電池系統(tǒng)安全管理

動力電池是電動汽車的主要動力來源，其充放電流有時高達(dá)上百安，工作輸出電壓高達(dá)數(shù)百伏，過高的充放電電流會導(dǎo)致電池內(nèi)部溫度急速上升和電池性能加速衰退，過高的輸出電壓使電池輸出功率過大，會提高電池溫度和影響電池綜合性能。隨著電動汽車的發(fā)展，消費者和廠商對電動汽車的電器化、電機(jī)效率、能量傳輸效率等都有了更高的要求，電池高壓化是電動汽車發(fā)展的行業(yè)趨勢。故，對電池的電壓、溫度和電流進(jìn)行分析是實現(xiàn)電池安全管理的重要途徑。目前在實際運用中我們只能獲得電池的表明實時溫度，但實際上其內(nèi)部溫度是更能直接影響電池性能，且內(nèi)部溫度相比表明溫度會更快到達(dá)臨界溫度。

雖然沒有較好的辦法直接獲得電池內(nèi)部溫度，但是可以通過電池等效模型大致計算出電池內(nèi)部的溫度，但這種方法很難適應(yīng)電池復(fù)雜的使用場景；也可以基于機(jī)器學(xué)習(xí)或深度學(xué)習(xí)通過模型建立電壓電流與電池內(nèi)部溫度的關(guān)系，這種方法使實時估計電池內(nèi)部溫度成為了可能，但受到數(shù)據(jù)量和數(shù)據(jù)精度的影響。

2.4 電動汽車運行數(shù)據(jù)的傳輸安全

隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，目前電動汽車的數(shù)據(jù)傳輸不止通過車載設(shè)備進(jìn)行，還包括基于網(wǎng)絡(luò)的遠(yuǎn)程數(shù)據(jù)傳輸與存儲。工信部2017年7月起就要求對已售出車輛進(jìn)行遠(yuǎn)程監(jiān)控，并記錄每輛新能源汽車使用、保養(yǎng)、維修等狀況并建立檔案。利用車載終端進(jìn)行數(shù)據(jù)采集是實現(xiàn)數(shù)據(jù)遠(yuǎn)程存儲和傳輸?shù)幕A(chǔ)，其主要通過CAN總線傳輸電動汽車的各項數(shù)據(jù)，包括電池系統(tǒng)數(shù)據(jù)、電動機(jī)數(shù)據(jù)、經(jīng)緯度信息等，并將采集的數(shù)據(jù)傳輸?shù)酱髷?shù)據(jù)中心進(jìn)行儲存。

與傳統(tǒng)汽車相比，電動汽車的電器化程度更高其配備的電控單元和傳感器也更多，對數(shù)據(jù)傳輸?shù)木W(wǎng)絡(luò)環(huán)境安全要求也更高，并隨著數(shù)據(jù)的增多對傳輸?shù)男省⒖煽啃砸灿辛烁叩囊?。對?shù)據(jù)傳輸過程中的產(chǎn)生的安全問題研究應(yīng)用也越來越多：寶馬等公司提出的FlexRay車載網(wǎng)絡(luò)應(yīng)用越來越廣泛；為提高傳輸效率，利用分布式實時控制實現(xiàn)多通道多數(shù)據(jù)高速率傳輸；為提高信息安全利用冗余通信機(jī)制，并過通信監(jiān)視器對系統(tǒng)進(jìn)行監(jiān)控正在得到應(yīng)用。要保證數(shù)據(jù)傳輸過程的完整性、可用性、保密性，一旦數(shù)據(jù)遭遇盜竊輕則造成電動汽車電氣故障或充放電失效等重則造成汽車失控、起火爆炸等。故對電動汽車的一些敏感數(shù)據(jù)需要進(jìn)行加密以確保安全。

3 電池故障診斷技術(shù)

隨著電動汽車電氣化和智能化的提高，對電池故障的診斷正在有電池單體級別向整個電池系統(tǒng)進(jìn)行轉(zhuǎn)別，并融合多維數(shù)據(jù)對故障進(jìn)行定位預(yù)測，根據(jù)實際情況的不同對故障進(jìn)行定位預(yù)測所建立的模型也不盡相同，對數(shù)據(jù)維度和時間尺度上的要求也不盡相同。電池系統(tǒng)故障主要分為機(jī)械故障和電氣故障，其中汽車在行駛過程中受到撞擊或擠壓是機(jī)械故障的主要誘因，汽車受到撞擊或擠壓后電池包會發(fā)生形變，導(dǎo)致電池內(nèi)部電解液和氣體溢出，電池出現(xiàn)鼓包現(xiàn)象內(nèi)阻增大，電池內(nèi)部熱量快速增加，若熱量沒有有效散發(fā)極易引起事故；當(dāng)電池系統(tǒng)出現(xiàn)充放電過度、短路輸出功率過高等電氣故障時，會導(dǎo)致電池包溫度升高引起電池電解液和氣體溢出、火災(zāi)、爆炸等事故。

3.1 數(shù)據(jù)驅(qū)動下電池系統(tǒng)故障識別與診斷

到目前為止，針對電池故障做了大量的研究工作，對于電池故障的定位與分析主要是對電池溫度和電壓的測量與分析，對其故障的診斷，主要判斷電池的電壓和溫度是否出現(xiàn)異常。

隨著大數(shù)據(jù)技術(shù)與機(jī)器學(xué)習(xí)的快速發(fā)展，基于大量電池實際數(shù)據(jù)的數(shù)據(jù)驅(qū)動電池故障診斷技術(shù)正在興起。

某公司車型針對故障定位研發(fā)的智慧專家系統(tǒng)，通過對汽車行駛過程中產(chǎn)生的故障碼進(jìn)行解析分析，利用大數(shù)據(jù)算法將故障碼與故障一一對應(yīng)，并基于維修手冊通過網(wǎng)絡(luò)返回維修建議。針對故障診斷，可基于大量汽車實際運行的數(shù)據(jù)，運用數(shù)據(jù)挖掘?qū)?shù)據(jù)之間的關(guān)系可視化，并提取特征（如電池SOH、單體溫度一致性、單體電壓一致性、駕駛風(fēng)格和行駛工況等），利用機(jī)器學(xué)習(xí)建立模型來分析故障與這些特征之間的關(guān)系，來對電池故障進(jìn)行診斷。Duan等人希望建立電池不一致評價機(jī)制，為電池的高效可靠管理提供依據(jù)，為了獲得準(zhǔn)確的數(shù)據(jù)，搭建了測試平臺和方案，提出了一種電池不一致性的綜合評價方法，基于信息熵的方式來進(jìn)行評價，并由12個電池單體組成的電池組的不一致性進(jìn)行了綜合分析和判斷，實驗結(jié)果表明該方法能科學(xué)評價不同壽命下電池組的不一致性，具有廣泛適應(yīng)性。

3.2 數(shù)據(jù)驅(qū)動下電池故障預(yù)測

對電動汽車電池故障的預(yù)測，不僅能預(yù)防重大事故的發(fā)生，更是電動汽車行業(yè)跨上新臺階的技術(shù)保證，對電池故障建立預(yù)測機(jī)制，并實施多級報警，已經(jīng)成為目前研究的熱點和難點。目前多基于數(shù)據(jù)驅(qū)動對電池故障進(jìn)行預(yù)測，在海量運行的數(shù)據(jù)基礎(chǔ)上提取數(shù)據(jù)特征，建立故障和特征的時間序列模型或融合模型，利用大量數(shù)據(jù)訓(xùn)練模型獲得特征與故障之間的關(guān)系，最后基于這種關(guān)系對故障進(jìn)行預(yù)測。Hong提出了一種基于大數(shù)據(jù)平臺和熵值法的電動汽車系統(tǒng)熱失控預(yù)測方案，通過對車輛運行過程中電池溫度進(jìn)行監(jiān)測，實現(xiàn)對由溫度風(fēng)險引起的熱失控的診斷和預(yù)測，在此基礎(chǔ)上提出了基于Z-score方法的熱失控?zé)岚踩芾聿呗裕氘惓Ｏ禂?shù)，提出溫度異常的實時預(yù)防，結(jié)果表明方法能夠準(zhǔn)確預(yù)測電池組溫度風(fēng)險發(fā)生的時間和位置。

4 總結(jié)與展望

4.1 電池故障定位

現(xiàn)技術(shù)對于電池故障定位，在精度和實際運用的場景下的要求下，只對單個故障能夠做出比較精確的定位，對于多故障耦合的問題還不能很好解決，且對于電池內(nèi)部故障機(jī)制和故障定位尚沒有很好地解決辦法。希望未來基于大數(shù)據(jù)進(jìn)行多維數(shù)據(jù)融合，并建立電池完善的故障機(jī)制，對藕合故障和電池內(nèi)部故障進(jìn)行實時定位，并建立故障分析庫對故障發(fā)生的時間、地點、頻率等進(jìn)行分析，為電池制造提供參考，進(jìn)一步提高電池整體水平。

4.2 電池故障預(yù)警

目前對于電池故障的預(yù)測，在并不復(fù)雜的實際應(yīng)用場景下能夠?qū)σ恍┕收献龀鰷?zhǔn)確預(yù)測，但對一些藕合故障的預(yù)測精度較低。汽車的使用場景復(fù)雜，且每位司機(jī)的駕駛習(xí)慣都不盡相同，對電池故障的預(yù)測依然是目前技術(shù)的難點。希望未來在能夠借助云平臺和大數(shù)據(jù)中心，能夠?qū)﹄妱悠嚬收献龀鰷?zhǔn)確的實時故障預(yù)測。

參考文獻(xiàn)：

[1]萬鋼.新時代推進(jìn)我國新能源汽車發(fā)展的新思考[J].汽車工程學(xué)報，2018，8（4）：235-238.

[2]李青.新能源汽車的發(fā)展現(xiàn)狀和前景[J]. 產(chǎn)業(yè)創(chuàng)新研究，2019（10）：14-17.

[3]姚建平. 電動汽車鋰離子動力電池性能分析與風(fēng)險診斷研究[D].長沙：湖南大學(xué)，2017.

[4]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（P2）.? ?12

[5]Yang Zhao， Peng Liu， Zhenpo Wang， et al. Electric Vehicle Battery Fault Diagnosis Based on Statistical Method[J]. Energy Procedia， 2017， 105.? ?21