洪吉超，梁峰偉，楊海旭，李克瑞

（1.北京科技大學(xué)機(jī)械工程學(xué)院，北京 100083；2.北京科技大學(xué)順德創(chuàng)新學(xué)院，佛山 528000）

前言

為了減少溫室氣體排放和緩解能源危機(jī)，新能源汽車得到了快速發(fā)展和普及［1］。如圖1所示，截至2022 年，我國新能源汽車保有量達(dá)1 310 萬輛，位居全球第一。據(jù)統(tǒng)計(jì)，2021 年新能源汽車火災(zāi)安全事故達(dá)3 000多起，其中絕大多數(shù)都是由于動(dòng)力電池故障所導(dǎo)致［2-3］。電池?zé)崾Э貙?duì)駕乘人員的人身和財(cái)產(chǎn)安全造成極大危害，如何有效檢測(cè)電池故障并提前預(yù)警至關(guān)重要［4-5］。

圖1 我國新能源汽車和純電動(dòng)汽車保有量近5年數(shù)據(jù)

基于動(dòng)力電池系統(tǒng)內(nèi)部結(jié)構(gòu)關(guān)系，目前通常將電池故障分為電池組件故障、傳感器故障和執(zhí)行器故障3 類。Tran 等［6］將電池故障分成內(nèi)部故障和外部故障。該分類既包含結(jié)構(gòu)關(guān)系分類，例如內(nèi)短路故障、外短路故障和過充/過放電故障等，又包含故障表現(xiàn)分類，例如加速衰減和過熱等。表1 描述了各類故障的相互關(guān)系，不同故障各具特點(diǎn)但又互相耦合，從而構(gòu)成復(fù)雜的故障網(wǎng)絡(luò)。目前動(dòng)力電池故障診斷方法可以分為基于模型方法、基于信號(hào)分析方法、基于數(shù)據(jù)驅(qū)動(dòng)方法和基于統(tǒng)計(jì)分析方法。Feng 等［7］建立了電池電化學(xué)-熱耦合模型對(duì)內(nèi)短路故障展開研究，通過對(duì)比發(fā)現(xiàn)電池荷電狀態(tài)（state of charge，SOC）和產(chǎn)熱功率不同可以及時(shí)檢測(cè)到內(nèi)短路。Yao等［8］對(duì)電池電壓波動(dòng)信號(hào)進(jìn)行處理，引入了熵理論來分析電池間機(jī)械連接故障。除此之外，常用故障診斷方法還有神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、小波變換等［9-10］。

表1 電池系統(tǒng)的故障類型和相互關(guān)系

目前相關(guān)研究大多處于實(shí)驗(yàn)階段，針對(duì)實(shí)車動(dòng)力電池故障診斷研究較少。本文詳細(xì)總結(jié)了動(dòng)力電池故障類型和診斷方法，深入分析了動(dòng)力電池安全性與一致性之間的耦合關(guān)系，并針對(duì)動(dòng)力電池安全狀態(tài)預(yù)測(cè)方法進(jìn)行了詳細(xì)介紹，最后給出一種基于“車-云”融合的實(shí)車動(dòng)力電池安全控制策略。

1 動(dòng)力電池故障分類及特性

根據(jù)故障特點(diǎn)，動(dòng)力電池的故障類型可以分為5 類，主要包括機(jī)械故障、電氣故障、熱故障、不一致故障以及老化故障。圖2 展示了各類故障相互關(guān)系和故障表現(xiàn)［11-13］。

圖2 動(dòng)力電池故障之間的相互關(guān)系和故障表現(xiàn)［11-13］

1.1 機(jī)械故障

1.1.1 連接故障

由于強(qiáng)烈振動(dòng)、雜質(zhì)腐蝕等因素導(dǎo)致單體電池之間的連接部位出現(xiàn)松動(dòng)的現(xiàn)象稱為機(jī)械連接故障。機(jī)械連接故障會(huì)使單體電池的電阻急劇增大，導(dǎo)致并聯(lián)電路電流差異［11］。機(jī)械連接故障具有很強(qiáng)的不確定性和隨機(jī)性，并且表現(xiàn)出的外部特性與電池內(nèi)阻變化的外部特性相似，診斷較為困難。

1.1.2 機(jī)械變形

機(jī)械變形是指動(dòng)力電池受到外力作用后發(fā)生結(jié)構(gòu)變形，這將會(huì)影響到電池的正常使用［14］。常見的外部沖擊包括擠壓、碰撞、針刺等。在較大外部沖擊下所造成機(jī)械變形將會(huì)導(dǎo)致動(dòng)力電池出現(xiàn)更嚴(yán)重的后果，主要包括電解液泄漏、電極和隔膜破壞等危險(xiǎn)情況，并引發(fā)電池發(fā)生熱失控。Lee等［15］通過壓痕實(shí)驗(yàn)觀察到了電池內(nèi)部的剪切帶，隨著壓痕加深電極的顆粒涂層出現(xiàn)剪切偏移，金屬箔開始韌性斷裂，最終發(fā)生內(nèi)短路。因此，電池出現(xiàn)機(jī)械變形十分危險(xiǎn)，需要引起重視并及早處理。

1.2 電氣故障

1.2.1 短路故障

電池短路故障分為內(nèi)短路故障和外短路故障。電池內(nèi)部正、負(fù)極材料直接連接的現(xiàn)象稱為內(nèi)短路故障［16］。造成內(nèi)短路故障的原因大致可以分為機(jī)械濫用［17］、活性材料誘因［18］、電濫用［19］和熱濫用［20］4 類。據(jù)統(tǒng)計(jì)超過40%的電動(dòng)汽車失火最初都是由內(nèi)短路故障所引發(fā)。電池外部正、負(fù)極直接接觸的現(xiàn)象稱為外短路故障。誘因較為簡(jiǎn)單，例如電池線路老化和電動(dòng)汽車發(fā)生碰撞等。Yang 等［21］發(fā)現(xiàn)，當(dāng)電池發(fā)生外短路時(shí)，電池會(huì)立即產(chǎn)生一個(gè)高電流，然后電流逐漸減小產(chǎn)生一個(gè)放電平臺(tái)，表現(xiàn)為連續(xù)大電流階段，這造成電池溫度持續(xù)升高。

短路故障是電池最常見的故障之一，如何有效檢測(cè)和診斷短路故障目前依然是學(xué)者們研究的重點(diǎn)和難點(diǎn)問題。

1.2.2 過充電故障

電池在充電至飽和狀態(tài)后，仍然繼續(xù)充電的現(xiàn)象稱為過充電故障。輕微的過充電故障在短期內(nèi)不會(huì)影響電池狀態(tài)，嚴(yán)重的過充電故障則會(huì)導(dǎo)致過渡金屬溶解、材料相變、陰極電解液分解等現(xiàn)象。對(duì)于電池系統(tǒng)而言，傳感器故障造成的電池管理系統(tǒng)（battery management system，BMS）對(duì)電池狀態(tài)的誤判可能引發(fā)過充電故障。文獻(xiàn)［13］和文獻(xiàn)［22］中研究了鋰離子電池從開始過充電到引發(fā)熱失控的整個(gè)過程，過充電故障的危害程度與充電深度有著直接關(guān)系。

1.2.3 過放電故障

電池在放電時(shí)，放電電壓低于電池額定的放電截止電壓稱為過放電故障。與過充電故障相似，過放電故障的嚴(yán)重性與放電深度有著直接關(guān)系。Lai等［23］分析了電池從過放電故障向內(nèi)短路故障演變過程。研究發(fā)現(xiàn)當(dāng)放電深度低于120%時(shí)，電池本身會(huì)存在一定的自我修復(fù)能力；當(dāng)放電深度超過120%后，過放電對(duì)電池產(chǎn)生的破壞將是永久的，產(chǎn)生的內(nèi)短路也是不可逆的。對(duì)于這種故障，可以通過比較電壓傳感器收集的電壓信號(hào)和電池上限電壓或閾值進(jìn)行檢測(cè)，檢測(cè)起來較為簡(jiǎn)單。

1.2.4 絕緣故障

電氣系統(tǒng)的絕緣故障是指導(dǎo)體與地面或者導(dǎo)體與導(dǎo)體之間絕緣性能降低或消失的情況。對(duì)于動(dòng)力電池來說，絕緣故障可以分為內(nèi)部問題和外部問題［24］。內(nèi)部問題主要是電解液泄漏或者外部液體進(jìn)入造成絕緣層破壞，電池組內(nèi)部出現(xiàn)導(dǎo)電回路。外部問題主要是外部高壓回路的絕緣性能降低。車輛行駛過程中受到的振動(dòng)、沖擊和扭轉(zhuǎn)等外部因素以及運(yùn)行時(shí)溫度和濕度等環(huán)境問題都可能導(dǎo)致電池系統(tǒng)的絕緣故障。目前研究中大多采用檢測(cè)絕緣電阻異常的方法來檢測(cè)動(dòng)力電池的絕緣故障。

1.2.5 通信故障

（1）傳感器故障。BMS 的作用是保證電池工作的安全性和穩(wěn)定性，主要功能是電流、電壓和溫度等數(shù)據(jù)的采集與處理，故障診斷和電池?zé)峁芾淼取D3展示了BMS的基礎(chǔ)框架及功能。

圖3 電池管理系統(tǒng)基本框架及功能

數(shù)據(jù)采集與處理是BMS 正常運(yùn)行的基礎(chǔ)，若傳感器在工作時(shí)出現(xiàn)偏差、漂移和精度等級(jí)降低等故障則會(huì)產(chǎn)生數(shù)據(jù)誤差，極有可能造成BMS 對(duì)當(dāng)前電池狀態(tài)的誤判，導(dǎo)致系統(tǒng)功能混亂［25］。造成傳感器故障的原因主要是環(huán)境侵蝕、老化，以及傳感器自身缺陷等。到目前為止傳感器故障仍舊是一個(gè)亟待解決的安全問題。

（2）控制器局域網(wǎng)（controller area network，CAN）通信故障。汽車中的電力電子器件在頻繁開關(guān)作用下會(huì)產(chǎn)生電磁干擾，引發(fā)BMS 通信異常。Zhu 等［26］通過測(cè)量數(shù)據(jù)傳輸信號(hào)，發(fā)現(xiàn)在負(fù)載不平衡的情況下逆變器高速開關(guān)產(chǎn)生的二次諧波、高次諧波會(huì)引起信號(hào)傳輸線上的差分信號(hào)出現(xiàn)10 kHz的干擾信號(hào)。除了電磁干擾，通信線的插頭松動(dòng)、走線不規(guī)范等硬件因素也會(huì)造成通信不穩(wěn)定。

（3）接觸器故障。在電動(dòng)汽車中，接觸器是用來頻繁地接通或切斷帶有負(fù)載的主電路、輔助電路或大容量的控制電路［27］。當(dāng)電池系統(tǒng)發(fā)生熱失控時(shí)，需要控制接觸器斷開高壓回路。然而接觸器在切斷大負(fù)載的時(shí)候可能會(huì)出現(xiàn)粘連故障，使得高壓回路無法斷開。目前BMS 中通常會(huì)設(shè)置主-從結(jié)構(gòu)，其中主體結(jié)構(gòu)不僅用于測(cè)量電池包的電流、電壓，還可檢測(cè)接觸器故障。

1.3 熱故障

1.3.1 冷卻系統(tǒng)故障

電池正常工作的溫度范圍通常為25～40 ℃，冷卻系統(tǒng)的作用就是保持動(dòng)力電池的溫度在正常工作范圍內(nèi)［28］。若冷卻系統(tǒng)由于元件損壞或溫度傳感器異常造成系統(tǒng)無法正常工作，最直觀的表現(xiàn)就是電池系統(tǒng)的溫度迅速升高。當(dāng)電池溫度超過正常使用范圍后，輕則會(huì)造成電池容量衰減和功率損失，影響使用壽命。嚴(yán)重時(shí)會(huì)引發(fā)電池內(nèi)部結(jié)構(gòu)溶解，電解液分解并伴隨著其他放熱副反應(yīng)，最終導(dǎo)致熱失控［29］。

1.3.2 溫度異常

電池溫度異常主要包含溫度過高和溫升過快［30］。短時(shí)間內(nèi)的溫升過快往往是電池內(nèi)部?jī)?nèi)阻增大或者冷卻系統(tǒng)存在問題，如果不及時(shí)采取干預(yù)措施可能造成不可逆轉(zhuǎn)的危害。除了溫度過高，電池溫度還存在另一種情況［31］，當(dāng)動(dòng)力電池在寒冷環(huán)境下使用時(shí)，為保證電池的正常運(yùn)行需要對(duì)電池進(jìn)行預(yù)加熱，若電池溫度長(zhǎng)時(shí)間保持在較低的水平，此時(shí)加熱系統(tǒng)或者其他管理裝置可能存在問題，需要及早診斷并排除。

1.4 不一致故障

單體電池或者電池模組之間存在差異稱為不一致故障［32］。不一致故障直接的后果就是使某些電池性能加速衰減，主要包括電壓不一致、溫度不一致和SOC 不一致。電池的制造是一個(gè)復(fù)雜過程［33］，這就導(dǎo)致即使同一生產(chǎn)線上產(chǎn)出的電池也不可避免地存在不一致性問題。同時(shí)外部環(huán)境變化和侵蝕會(huì)加劇這種初始不一致特性，導(dǎo)致運(yùn)行參數(shù)不一致［34］。不一致故障雖不如其他故障表現(xiàn)劇烈，但是一直存在于電池內(nèi)部的安全隱患，可能會(huì)與其他故障相互影響從而造成嚴(yán)重后果。

1.5 老化故障

隨著電池服役時(shí)間增長(zhǎng)，電池的容量和功率均會(huì)下降，同樣是電池安全性的問題［35］。圖4 展示了電池老化主要降解的機(jī)理和機(jī)制。在電池老化的相關(guān)研究中普遍認(rèn)為低溫、高溫、大電流充放電、過壓欠壓等都可能加快電池的老化速率。負(fù)極材料的主要降解機(jī)制是固體電解質(zhì)界面（solid electrolyte interface，SEI）的生長(zhǎng)和金屬鋰的沉積（析鋰）。無論是SEI 生長(zhǎng)還是析鋰都會(huì)消耗可循環(huán)鋰，導(dǎo)致不可逆的容量衰減［36］。此外，負(fù)極材料產(chǎn)生的應(yīng)力膨脹等機(jī)械因素會(huì)導(dǎo)致負(fù)極SEI 層出現(xiàn)裂縫，增加了電芯的內(nèi)阻?；钚晕镔|(zhì)與集流體脫落分層等現(xiàn)象，也屬于負(fù)極材料的老化降解。正極老化的表現(xiàn)主要是活性材料降解。由于正極活性材料脫鋰而導(dǎo)致的電極結(jié)構(gòu)變化和相變是不可逆容量衰減的原因。電池老化是非常復(fù)雜的過程，貫穿于電池整個(gè)生命周期，有著很大安全隱患。

圖4 電池老化降解機(jī)理-機(jī)制示意圖［35］

2 一致性與安全性耦合關(guān)系

2.1 動(dòng)力電池系統(tǒng)不一致性分析

動(dòng)力電池系統(tǒng)的不一致性是指同一型號(hào)的單體電池通過串/并聯(lián)組成電池組后，各個(gè)單體的電壓、溫度、SOC、內(nèi)阻和自放電率等參數(shù)會(huì)隨著電池使用逐漸產(chǎn)生差別。根據(jù)動(dòng)力電池系統(tǒng)不一致性在其使用過程中的擴(kuò)大原因、發(fā)展規(guī)律以及對(duì)動(dòng)力電池系統(tǒng)運(yùn)行性能的影響，可以將動(dòng)力電池系統(tǒng)的不一致性分為電壓不一致性、容量不一致性、電量不一致性和內(nèi)阻不一致性。

動(dòng)力電池系統(tǒng)電壓的不一致性通常發(fā)生于并聯(lián)電池組中，這是因?yàn)楫?dāng)某一節(jié)單體電池的電壓較低時(shí)，其他單體將會(huì)給該電池充電，形成動(dòng)力電池單體之間的互充電現(xiàn)象。并聯(lián)電池組中單體電壓不一致性形式如圖5 所示，假設(shè)1 號(hào)電池的端電壓U1低于2 號(hào)電池的端電壓U2，則兩個(gè)電池之間就如同形成了一個(gè)充電回路，并且2 號(hào)電池會(huì)給1號(hào)電池進(jìn)行小幅度的充電。雖然這種并聯(lián)連接方式會(huì)使低電壓?jiǎn)误w的容量小幅增加，但是與此同時(shí)高電壓?jiǎn)误w的容量也會(huì)急劇降低，并且這個(gè)互充電的過程會(huì)產(chǎn)生一定的能量損耗，最終會(huì)使整個(gè)動(dòng)力電池系統(tǒng)無法滿足對(duì)外輸出的預(yù)期效果。此外，由于電池SOC 在一定范圍內(nèi)與開路電壓呈線性關(guān)系，因此電池在靜態(tài)工況下開路電壓的不一致性也能從一定程度上體現(xiàn)電池電量狀態(tài)的不一致性。

2.2 動(dòng)力電池安全性與一致性耦合機(jī)制

2.2.1 動(dòng)力電池一致性和安全性耦合關(guān)系

如圖6 所示，動(dòng)力電池系統(tǒng)的不一致性可從電壓、容量、電量和內(nèi)阻4 個(gè)角度進(jìn)行展開，分析結(jié)果顯示電池不一致性直接影響電池的壽命衰減和老化速度，而在動(dòng)力電池系統(tǒng)的老化過程中，其內(nèi)部的副反應(yīng)會(huì)引起內(nèi)阻增加和容量衰減，進(jìn)而導(dǎo)致動(dòng)力電池系統(tǒng)的安全性能變差［37］。

圖6 動(dòng)力電池不一致性、安全性與電池老化之間的關(guān)聯(lián)關(guān)系

現(xiàn)有研究發(fā)現(xiàn)，動(dòng)力電池系統(tǒng)在循環(huán)老化過程中，內(nèi)阻上升會(huì)使充放電過程中的焦耳熱不斷增加，動(dòng)力電池系統(tǒng)熱穩(wěn)定性和抗電濫用性逐漸降低［35］；動(dòng)力電池系統(tǒng)在低溫循環(huán)老化過程中，負(fù)極析鋰會(huì)造成動(dòng)力電池系統(tǒng)的熱穩(wěn)定性急劇下降，被析出的鋰金屬與電解液繼續(xù)發(fā)生反應(yīng)，會(huì)使動(dòng)力電池系統(tǒng)的自產(chǎn)熱速率急劇上升，進(jìn)而嚴(yán)重威脅動(dòng)力電池系統(tǒng)的安全性。

綜上，動(dòng)力電池系統(tǒng)的一致性和安全性之間通常不會(huì)直接發(fā)生關(guān)聯(lián)，而是通過電池壽命衰減間接聯(lián)系在一起，動(dòng)力電池系統(tǒng)的安全性也會(huì)隨著電池逐漸老化而變差。因此，研究電池一致性與安全性的耦合關(guān)系，首先需要明晰電池一致性與電池老化之間的關(guān)聯(lián)關(guān)系。

2.2.2 動(dòng)力電池系統(tǒng)不一致性改進(jìn)措施

為了提高動(dòng)力電池系統(tǒng)一致性水平，延緩電池組壽命衰減速度，基于大量工程應(yīng)用經(jīng)驗(yàn)和實(shí)驗(yàn)研究，可采取分選、均衡、熱處理和使用維護(hù)等措施。開展電池分選的目的是把參數(shù)相同或鄰近的單體電池選擇出來。不同批次單體電池不應(yīng)該被放在一起使用，即便是相同批次單體電池，也需要通過選擇把參數(shù)比較集中的單體電池放在同一個(gè)電池包里。為了應(yīng)對(duì)動(dòng)力電池系統(tǒng)的不一致性問題，BMS 通常都會(huì)集成電池均衡的功能。例如，當(dāng)某些單體電池領(lǐng)先于其他單體電池率先到達(dá)充電截止電壓時(shí)，BMS便會(huì)啟動(dòng)充電均衡功能，通過接入電阻放掉電壓較高單體的部分電量，或者通過能量轉(zhuǎn)移將能量轉(zhuǎn)移至電壓較低的單體電池。當(dāng)充電截止條件被免除時(shí)，充電進(jìn)程再重新開始會(huì)使動(dòng)力電池系統(tǒng)充入更多電量。

因此，為了提高電池系統(tǒng)的安全性，需要綜合考慮以上各個(gè)因素，建立動(dòng)力電池組的故障診斷和安全預(yù)警系統(tǒng)，實(shí)現(xiàn)對(duì)動(dòng)力電池組及其單體電池的實(shí)時(shí)監(jiān)測(cè)和管理，提高動(dòng)力電池組的安全性能和可靠性。

3 動(dòng)力電池安全狀態(tài)預(yù)測(cè)方法

3.1 基于數(shù)據(jù)驅(qū)動(dòng)的動(dòng)力電池SOC預(yù)測(cè)

在電動(dòng)汽車的研究與開發(fā)中，準(zhǔn)確地預(yù)測(cè)電池SOC對(duì)發(fā)揮電動(dòng)汽車最佳性能和預(yù)測(cè)電動(dòng)汽車?yán)m(xù)駛里程有著至關(guān)重要的作用。動(dòng)力電池SOC的定義如式（1）所示：

式中：Qc指的是某時(shí)刻電池的剩余可用電量；Qn指的是電池的額定電量。電池系統(tǒng)的SOC取值范圍為0～100%之間。胡杰等［38］提出了一種數(shù)據(jù)驅(qū)動(dòng)的SOC預(yù)測(cè)模型，分析了電動(dòng)汽車能耗構(gòu)成并提取了能耗構(gòu)成的關(guān)鍵因素。Wang 等［39］提出了一種基于改進(jìn)的前饋長(zhǎng)短期記憶（long short term memory，LSTM）神經(jīng)網(wǎng)絡(luò)建模方法，考慮了電流、電壓和溫度的變化，實(shí)現(xiàn)了動(dòng)力電池全壽命周期的電池SOC預(yù)測(cè)。除了前饋LSTM 神經(jīng)網(wǎng)絡(luò)之外，LSTM 神經(jīng)網(wǎng)絡(luò)和遷移學(xué)習(xí)結(jié)合也能夠?qū)崿F(xiàn)鋰離子電池SOC精確預(yù)測(cè)［40］。為了優(yōu)化LSTM 神經(jīng)網(wǎng)絡(luò)從而實(shí)現(xiàn)對(duì)動(dòng)力電池SOC長(zhǎng)時(shí)預(yù)測(cè)，Li 等［41］提出了一種基 于“雙dropout 層”的LSTM 神經(jīng)網(wǎng)絡(luò)SOC長(zhǎng)時(shí)預(yù)測(cè)的方法，用來防止神經(jīng)網(wǎng)絡(luò)過擬合的同時(shí)優(yōu)化訓(xùn)練效率。結(jié)果表明該方法可以實(shí)現(xiàn)5 min 的SOC預(yù)測(cè)?；跀?shù)據(jù)驅(qū)動(dòng)的SOC預(yù)測(cè)，可以提前對(duì)電池的安全狀態(tài)進(jìn)行預(yù)測(cè)，實(shí)現(xiàn)電池安全狀態(tài)的可控。

3.2 基于數(shù)據(jù)驅(qū)動(dòng)的動(dòng)力電池SOH估計(jì)

動(dòng)力電池SOH的標(biāo)準(zhǔn)定義是放電容量與標(biāo)稱容量的比值，從剩余容量的角度定義如式（2）所示：

式中：C實(shí)際表示電池的實(shí)際容量；C標(biāo)稱是標(biāo)稱容量；C終止表示電池失效時(shí)的終止容量，通常為C標(biāo)稱的80%。因此，SOH值越大，表示電池健康狀況越好。在實(shí)際電池SOH估計(jì)過程中，結(jié)果精度很大部分取決于評(píng)價(jià)電池退化的健康指標(biāo)，現(xiàn)有的SOH估計(jì)方法通常忽略容量衰退過程中能夠表征電池老化的溫度信息。王萍等［42］提出了一種滑動(dòng)平均卡爾曼濾波方法以提取健康特征。利用組合核函數(shù)改進(jìn)了傳統(tǒng)高斯回歸算法以擬合電池容量全局衰退和局部波動(dòng)兩種趨勢(shì)。為了探究適用于實(shí)車SOH估計(jì)的算法，如圖7 所示，Hong 等［43］提出了一種新型深度學(xué)習(xí)方法，以對(duì)實(shí)車電池系統(tǒng)進(jìn)行準(zhǔn)確的SOH估計(jì)。通過擬合電池退化因素與各種車輛運(yùn)行參數(shù)之間的相關(guān)性，建立了一個(gè)面向?qū)嶋H應(yīng)用場(chǎng)景的近似電池退化模型。Lei 等［44］基于支持向量回歸和脈沖測(cè)試的短期特征建立了一個(gè)有效的動(dòng)力電池SOH估計(jì)方法，該研究利用非支配排序遺傳算法來優(yōu)化所建立的SOH估計(jì)過程。未來，需要探索更多結(jié)合實(shí)車SOH健康特征參數(shù)提取算法，利用實(shí)車數(shù)據(jù)去指導(dǎo)實(shí)車SOH估計(jì)。

圖7 基于數(shù)據(jù)驅(qū)動(dòng)的動(dòng)力電池在線健康狀態(tài)估計(jì)

3.3 基于數(shù)據(jù)驅(qū)動(dòng)的動(dòng)力電池電壓預(yù)測(cè)

當(dāng)前許多研究表明［45-47］，電壓異?？梢砸鸶黝愲姵毓收?。典型的電壓異?？梢詺w納為4 類：過電壓、欠電壓、過電壓變化率和電池電壓一致性差。Hong 等［48］利用LSTM 神經(jīng)網(wǎng)絡(luò)，研究了一種新型深度學(xué)習(xí)方法來對(duì)電池系統(tǒng)進(jìn)行準(zhǔn)確的多步前向電壓預(yù)測(cè)。Cwh 等［49］開發(fā)的具有特殊卷積訓(xùn)練策略的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，只須利用一個(gè)周期的電池測(cè)試數(shù)據(jù)就可準(zhǔn)確預(yù)測(cè)電池的電壓。王攀等［50］則針對(duì)電動(dòng)汽車補(bǔ)電系統(tǒng)故障而導(dǎo)致低壓系統(tǒng)異常耗電問題，提出了結(jié)合電池溫度模型和3 階阻容等效電路模型實(shí)時(shí)對(duì)低壓鋰電池工作電壓進(jìn)行提前預(yù)測(cè)與預(yù)警。Tran等［51］研究了機(jī)器學(xué)習(xí)回歸模型、k-近鄰、隨機(jī)森林和決策樹4 個(gè)機(jī)器學(xué)習(xí)方法對(duì)鋰離子電池電壓預(yù)測(cè)的最佳模型。Lin 等［52］建立了一個(gè)基于電流和時(shí)間改進(jìn)的新型極化電壓模型，僅用小批量的原始數(shù)據(jù)就可以確定新型極化電壓模型的參數(shù)。Li等［53］基于LSTM 神經(jīng)網(wǎng)絡(luò)和等效電路耦合模型對(duì)動(dòng)力電池系統(tǒng)電壓進(jìn)行了在線預(yù)測(cè)，選取4 個(gè)季節(jié)的數(shù)據(jù)進(jìn)行了驗(yàn)證。目前基于數(shù)據(jù)驅(qū)動(dòng)的電壓預(yù)測(cè)已經(jīng)進(jìn)行了大量的實(shí)驗(yàn)和仿真驗(yàn)證，但是大多數(shù)并未考慮駕駛員和實(shí)車行駛天氣等因素的影響。

3.4 基于數(shù)據(jù)驅(qū)動(dòng)的動(dòng)力電池溫度預(yù)測(cè)

為了準(zhǔn)確預(yù)測(cè)電池組溫度以減輕潛在的危險(xiǎn)，Zhang 等［54］建立了一個(gè)鋰離子電池溫度預(yù)測(cè)模型。研究詳細(xì)分析了不同冷卻條件下不同放電倍率的電池溫度變化特征，此處，放電倍率是指電池在規(guī)定的時(shí)間放出其額定容量時(shí)所需要的電流強(qiáng)度。最后，研究結(jié)果表明電池內(nèi)部溫度預(yù)測(cè)模型具有較高的預(yù)測(cè)精度。Yang 等［55］基于極端學(xué)習(xí)機(jī)的熱學(xué)模型來描述外短路條件下的電池溫度行為，使用實(shí)驗(yàn)數(shù)據(jù)將極端學(xué)習(xí)機(jī)熱模型與集總熱模型進(jìn)行了比較。其他研究也開展了基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)動(dòng)力電池溫度，F(xiàn)ja 等［56］提出了一種人工神經(jīng)網(wǎng)絡(luò)模型來預(yù)測(cè)裝有電池?zé)峁芾硐到y(tǒng)的鋰離子電池溫度。研究結(jié)果發(fā)現(xiàn)該模型的R2和均方根誤差分別是0.99 和0.017 3。Kleiner等［57］提出了一種新型的非線性自動(dòng)回歸神經(jīng)網(wǎng)絡(luò)對(duì)棱柱電池進(jìn)行溫度預(yù)測(cè)，顯示了非常好的預(yù)測(cè)準(zhǔn)確度，其均方根誤差遠(yuǎn)低于0.5 K。Jiang 等［58］結(jié)合遺傳算法和雙向LSTM 神經(jīng)網(wǎng)絡(luò)來提供精確的電池溫度預(yù)測(cè)。遺傳算法用于獲得時(shí)間序列數(shù)據(jù)的最佳分割策略，雙向LSTM 神經(jīng)網(wǎng)絡(luò)被用來預(yù)測(cè)儲(chǔ)能電站內(nèi)電池組的最低和最高溫度。與傳統(tǒng)的LSTM和輕量梯度提升機(jī)方法相比，研究所提出的方法分別顯著降低12%和26%的預(yù)測(cè)誤差。但是實(shí)車工況是十分復(fù)雜多變的，基于實(shí)車多工況的動(dòng)力電池溫度預(yù)測(cè)具有十分重要的研究意義。

4 動(dòng)力電池故障診斷及預(yù)警技術(shù)

目前常用的故障診斷方法可以分為基于解析模型方法、基于數(shù)據(jù)驅(qū)動(dòng)方法和基于知識(shí)方法。不同故障診斷技術(shù)具有不同特點(diǎn)，本部分將詳細(xì)分析各類故障的特性并重點(diǎn)講述基于數(shù)據(jù)驅(qū)動(dòng)和大數(shù)據(jù)的故障診斷與預(yù)警技術(shù)。

4.1 基于解析模型方法

基于解析模型的故障診斷方法是最早也是最常用的故障診斷技術(shù)，它主要依賴于所建立的電池?cái)?shù)學(xué)模型來檢測(cè)、評(píng)估和診斷系統(tǒng)故障［59］。如圖8 所示，基于解析模型的故障診斷方法整個(gè)過程包括殘差生成和殘差評(píng)價(jià)。Yu 等［60］提出了一種基于最小二乘法與無痕卡爾曼濾波相結(jié)合的方法來進(jìn)行電池系統(tǒng)電流傳感器故障診斷。Wei 等［61］提出了一種基于模型的電池系統(tǒng)故障診斷方法，該方法基于多個(gè)等效電路模型和強(qiáng)跟蹤擴(kuò)展卡爾曼濾波器實(shí)現(xiàn)。Jiang 等［62］提出了一種在線識(shí)別和多模型自適應(yīng)估計(jì)的電池系統(tǒng)充電器故障診斷方法，該方法通過仿真研究對(duì)比了不同濾波器（卡爾曼濾波器、強(qiáng)跟蹤卡爾曼濾波器和H-∞濾波器）對(duì)充電器故障診斷的影響。綜上所述，基于解析模型的方法主要集中于模型的改進(jìn)與濾波器的設(shè)計(jì)來提升故障診斷方法的性能。

圖8 動(dòng)力電池故障診斷及預(yù)警方法

4.2 數(shù)據(jù)驅(qū)動(dòng)方法

當(dāng)無法確定數(shù)學(xué)模型或者模型無法精確描述電池狀態(tài)時(shí)，可通過數(shù)據(jù)驅(qū)動(dòng)方法利用大量的監(jiān)測(cè)數(shù)據(jù)對(duì)故障進(jìn)行診斷?；跀?shù)據(jù)驅(qū)動(dòng)的方法可以分為機(jī)器學(xué)習(xí)、信號(hào)處理和信息融合，如表2所示。

表2 基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法分類與特點(diǎn)

當(dāng)前故障診斷的研究熱點(diǎn)主要為基于機(jī)器學(xué)習(xí)的故障診斷方法，人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)是兩種典型的機(jī)器學(xué)習(xí)算法［63］。人工神經(jīng)網(wǎng)絡(luò)如圖8 所示，在進(jìn)行離線訓(xùn)練時(shí)，從給定的輸入和輸出數(shù)據(jù)中學(xué)習(xí)到隱含規(guī)則，形成非線性黑盒模型。Wang等［64］提出了一種基于改進(jìn)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)對(duì)鋰離子電池組故障進(jìn)行識(shí)別?；谥С窒蛄繖C(jī)的故障診斷方法主要適用于小樣本情況，該方法具有良好泛化能力，但最優(yōu)化函數(shù)選取過程較為困難［65］。為了解決最優(yōu)化函數(shù)的選取問題，Yao 等［66］提出了基于網(wǎng)格搜索的方法，經(jīng)過優(yōu)化后的支持向量機(jī)在故障診斷上具有較高的準(zhǔn)確性和時(shí)效性。申東旭等［67］為了解決鋰電池組連接故障，提出了一種基于機(jī)械振動(dòng)信號(hào)的鋰電池組連接故障診斷方法。利用壓電陶瓷傳感器實(shí)現(xiàn)電壓信號(hào)和振動(dòng)信號(hào)的相互轉(zhuǎn)換，并在每種故障模式下采集振動(dòng)信號(hào)。在數(shù)據(jù)時(shí)代，數(shù)據(jù)驅(qū)動(dòng)與故障診斷的結(jié)合是必然的結(jié)果，在安全管理方面掀起一場(chǎng)時(shí)代的浪潮。

當(dāng)電池發(fā)生故障時(shí)，故障數(shù)據(jù)的幅頻和相頻特性會(huì)在一定程度上改變，可以通過在頻域中對(duì)故障數(shù)據(jù)進(jìn)行頻譜分析，進(jìn)行故障診斷。劉鵬等［68］提出了一種基于快速傅里葉變換和異常系數(shù)評(píng)估電池電壓不一致性故障診斷方法。傅里葉變換并不能滿足非穩(wěn)態(tài)信號(hào)變化的需求，而小波變換可以克服窗口大小不隨頻率變化的缺點(diǎn)，可以對(duì)非穩(wěn)態(tài)信號(hào)進(jìn)行多尺度的詳細(xì)分析。Yao 等［69］提出了一種基于小波神經(jīng)網(wǎng)絡(luò)的新型電壓故障檢測(cè)方法，既可以檢測(cè)和定位電池故障，還可以反映故障的程度。Hong 等［70］提出了一種基于離散小波變換的實(shí)車電池故障診斷和隔離方案，實(shí)施過程如圖9 所示?；谛盘?hào)處理的故障診斷方法已經(jīng)進(jìn)行了很多研究，未來該故障診斷方法也會(huì)更多地應(yīng)用于實(shí)車。

圖9 基于離散小波變換的電池故障診斷與預(yù)警

信息融合又稱為多傳感器信息融合，是對(duì)從單個(gè)和多個(gè)信息源獲取的數(shù)據(jù)和信息進(jìn)行關(guān)聯(lián)、相關(guān)和綜合，以獲得精確的位置和狀態(tài)估計(jì)。Li 等［71］基于多源信息融合理論，結(jié)合修正相關(guān)系數(shù)、樣本熵和修正閾值方法對(duì)電池系統(tǒng)進(jìn)行聯(lián)合故障診斷。根據(jù)作者的假設(shè)，故障診斷的方式如式（3）所示：

式中：out（i）是在時(shí)間i的診斷結(jié)果，值為0或1，代表有故障或無故障；sgn 是符號(hào)函數(shù)，當(dāng)輸入大于0 時(shí)，值為1，反之為0；SamEn（i）是樣本熵在時(shí)間i的序列；TSE表示樣本熵的閾值，TCC表示相關(guān)系數(shù)的閾值；Corecoef（i，j）是電池j的電壓和平均電壓在時(shí)間i的相關(guān)系數(shù)；Thres（i）表示時(shí)間i的閾值診斷結(jié)果，值為0 或1，表示有故障或無故障。該方法經(jīng)過城市道路循環(huán)工況數(shù)據(jù)驗(yàn)證，具有精確的故障診斷效果，并且至少提前5 min 能夠檢測(cè)到電池系統(tǒng)故障。彭運(yùn)賽等［72］提出了一種基于改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)和信息融合的鋰電池組故障診斷方法，對(duì)不符合診斷條件的結(jié)果進(jìn)一步采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行輔助診斷。除此之外，Shang 等［73］提出了一種基于修正樣本熵的多故障診斷方法，通過檢測(cè)電池電壓的樣本熵可以有效地預(yù)測(cè)故障發(fā)生的時(shí)間以診斷電池的早期故障。Wang 等［74］提出了一種基于熵理論的電壓故障診斷檢測(cè)機(jī)制，研究過程借助了典型實(shí)車數(shù)據(jù)，在一定程度上更具有實(shí)用性。針對(duì)動(dòng)力電池多故障診斷，可以采用基于“熵”理論算法進(jìn)行研究，這對(duì)于實(shí)車動(dòng)力電池多故障診斷研究具有重要的意義。

4.3 基于知識(shí)方法

基于知識(shí)的故障診斷方法可利用人工智能技術(shù)對(duì)歷史數(shù)據(jù)進(jìn)行分析，圖8 展示了基于知識(shí)方法的應(yīng)用過程。但是該方法需要大量的歷史數(shù)據(jù)，因此有些學(xué)者也將其歸類為數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法?；谥R(shí)的故障診斷方法中應(yīng)用最廣泛的主要包括向量圖法、專家系統(tǒng)和模糊邏輯［75］。

王一卉等［76］提出了一種基于模糊神經(jīng)網(wǎng)絡(luò)的故障診斷專家系統(tǒng)，該方法結(jié)合了模糊數(shù)學(xué)的對(duì)故障的隸屬度判別、神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力和專家系統(tǒng)的推理能力。Ma 等［77］提出了一種基于圖形的自動(dòng)編碼器，研究將電壓重建誤差與特定的監(jiān)測(cè)策略相結(jié)合，以識(shí)別電池系統(tǒng)中3 種常見的故障類型及其位置。Hu 等［78］提出了一種結(jié)合電池測(cè)試和鋰電池故障演變的分析流程圖，通過故障樹分析法分析了電動(dòng)汽車起火的根本原因，結(jié)果表明，低熱穩(wěn)定性材料和BMS 未能及時(shí)預(yù)警是導(dǎo)致電動(dòng)汽車起火的最重要因素。當(dāng)前受限于豐富的專家經(jīng)驗(yàn)，基于知識(shí)的方法研究較少，在未來，基于知識(shí)的故障診斷方法應(yīng)該要著重研究。

4.4 大數(shù)據(jù)驅(qū)動(dòng)的實(shí)車動(dòng)力電池故障診斷

大數(shù)據(jù)時(shí)代的到來帶來了海量的數(shù)據(jù)資源，然而由于數(shù)據(jù)獲取的難度和敏感性，實(shí)車動(dòng)力電池故障診斷研究較少［87］。新能源汽車國家監(jiān)測(cè)與管理平臺(tái)可以實(shí)時(shí)監(jiān)測(cè)汽車運(yùn)行數(shù)據(jù)和離線存儲(chǔ)歷史數(shù)據(jù)，基于此平臺(tái)學(xué)者們展開了一些面向?qū)嵻嚧髷?shù)據(jù)的動(dòng)力電池故障診斷研究。

4.4.1 故障診斷與預(yù)警

在故障診斷與預(yù)警的研究中，Wang 等［88］基于新能源汽車國家監(jiān)測(cè)與管理平臺(tái)收集的實(shí)時(shí)電壓監(jiān)控?cái)?shù)據(jù)，提出了一種電壓故障診斷與預(yù)警方法，具體實(shí)施過程如圖10 所示?；谛拚戕r(nóng)熵建立了動(dòng)力電池系統(tǒng)故障診斷模型，并利用Z 評(píng)分法制定了預(yù)警和安全管理策略，其中設(shè)置的異常系數(shù)，可以對(duì)故障級(jí)別進(jìn)行實(shí)時(shí)評(píng)估。

圖10 基于修正香農(nóng)熵的電壓故障診斷與預(yù)警

4.4.2 多故障協(xié)同預(yù)警

在多故障協(xié)同預(yù)警的研究中，Hong 等［89］提出了一種基于改進(jìn)多尺度熵的電池故障協(xié)同診斷方案。如圖11 所示，改進(jìn)多尺度熵可以有效地提取電池故障的多尺度特征，結(jié)合定義的敏感度因子可以高效、穩(wěn)定地對(duì)電池異常進(jìn)行實(shí)時(shí)評(píng)估。同時(shí)，開發(fā)的“變量-計(jì)算-窗口”診斷方案可以實(shí)時(shí)同步檢測(cè)和定位不同故障類型。

圖11 基于改進(jìn)多尺度熵的電池故障協(xié)同診斷方案

除了上述研究之外，Hong 等［90］提出了一種面向?qū)嵻嚧髷?shù)據(jù)的深度學(xué)習(xí)方法，具體實(shí)施過程如圖12 所示。該研究利用長(zhǎng)達(dá)一年的電動(dòng)出租車數(shù)據(jù)集對(duì)LSTM 神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，可以實(shí)現(xiàn)準(zhǔn)確的電壓預(yù)測(cè)和同步多參數(shù)預(yù)測(cè)。此外，針對(duì)汽車在充電和行駛時(shí)兩種不同的運(yùn)行狀態(tài)，研究建立了雙模型協(xié)同預(yù)測(cè)策略可以自適應(yīng)切換兩種預(yù)測(cè)模式。

圖12 基于LSTM的電池多參數(shù)預(yù)測(cè)方案

5 動(dòng)力電池系統(tǒng)安全控制策略

動(dòng)力電池系統(tǒng)安全控制對(duì)電動(dòng)汽車的安全可靠運(yùn)行具有重要意義。為了實(shí)現(xiàn)實(shí)車電池系統(tǒng)的高效安全管控，各種電池故障診斷及風(fēng)險(xiǎn)預(yù)警模型需要實(shí)現(xiàn)與BMS 的高效集成。本部分將系統(tǒng)總結(jié)和分析電池系統(tǒng)常見的安全問題及解決思路，研究電池系統(tǒng)多故障早期協(xié)同預(yù)警的多模型融合理論和方法，提出面向?qū)嵻噭?dòng)力電池系統(tǒng)全壽命運(yùn)行周期的安全控制策略。

5.1 動(dòng)力電池系統(tǒng)安全問題及解決方案

動(dòng)力電池系統(tǒng)在實(shí)際運(yùn)行過程中會(huì)面臨各種安全問題，本文針對(duì)這些問題提出一些解決思路。如圖13 所示，針對(duì)電芯安全問題，通過電芯、電池模塊標(biāo)準(zhǔn)化既可以大大減少低層次重復(fù)勞動(dòng)，又可以對(duì)電芯安全性的提升起到積極推動(dòng)作用。對(duì)于動(dòng)力電池系統(tǒng)成組安全問題，重點(diǎn)是從合理的電管理、熱管理設(shè)計(jì)，以及提高電池焊接工藝這幾個(gè)維度來提升動(dòng)力電池系統(tǒng)的成組安全性。

圖13 動(dòng)力電池系統(tǒng)常見安全問題及解決方案

針對(duì)動(dòng)力電池系統(tǒng)設(shè)計(jì)安全問題，重點(diǎn)是開展科學(xué)的電池設(shè)計(jì)與制造。針對(duì)充電安全問題，目前最有效的方法之一是在充電初期對(duì)動(dòng)力電池系統(tǒng)進(jìn)行電流脈沖監(jiān)測(cè)，此方法可以盡早發(fā)現(xiàn)動(dòng)力電池系統(tǒng)的不一致性問題，并發(fā)出安全警報(bào)。對(duì)于動(dòng)力電池系統(tǒng)安全預(yù)警問題，可以通過整車域控制器（vehicle control unit，VCU）對(duì)動(dòng)力電池系統(tǒng)出現(xiàn)的問題做出快速響應(yīng)。針對(duì)動(dòng)力電池系統(tǒng)的日常維護(hù)問題，對(duì)相關(guān)的日常維護(hù)標(biāo)準(zhǔn)及相關(guān)法律規(guī)定的完善是非常緊急和必要的。對(duì)于動(dòng)力電池系統(tǒng)的安全保護(hù)問題，重點(diǎn)是對(duì)過充、過熱、連接安全風(fēng)險(xiǎn)等進(jìn)行安全防護(hù)。針對(duì)動(dòng)力電池系統(tǒng)的安全級(jí)別劃分問題，需要整車廠和零配件企業(yè)加快實(shí)施產(chǎn)業(yè)鏈合作，形成專業(yè)化的分工協(xié)作體系。

5.2 基于“車-云”融合的動(dòng)力電池安全控制策略

為了實(shí)現(xiàn)實(shí)車動(dòng)力電池系統(tǒng)的安全控制管理，本文提出了一種基于“車-云”融合的實(shí)車動(dòng)力電池安全控制策略。如圖14 所示，從車端和云端兩個(gè)方面對(duì)電池系統(tǒng)安全控制策略開展持續(xù)的優(yōu)化和拓展。在車端，通過BMS 實(shí)現(xiàn)數(shù)據(jù)的短時(shí)采集、邊緣計(jì)算、故障快速診斷。在車載診斷系統(tǒng)上，通過統(tǒng)計(jì)學(xué)、熵算法、機(jī)器學(xué)習(xí)和其他模型等多模型融合算法，可以實(shí)現(xiàn)“機(jī)-電-熱”不同類型動(dòng)力電池系統(tǒng)故障早期協(xié)同預(yù)警及SOH實(shí)時(shí)評(píng)估，并得到面向?qū)嵻噭?dòng)力電池系統(tǒng)全壽命周期運(yùn)行的高安全性、高可靠性和高穩(wěn)定性的動(dòng)力電池系統(tǒng)安全控制策略。其次，通過車載T-Box 將車端采集的數(shù)據(jù)和處理的信息，通過信息傳輸技術(shù)在云端實(shí)現(xiàn)故障診斷模型的實(shí)時(shí)更新、有效數(shù)據(jù)的長(zhǎng)時(shí)儲(chǔ)存，以及車輛安全狀態(tài)的輔助監(jiān)管，通過云端大數(shù)據(jù)庫實(shí)現(xiàn)海量實(shí)車運(yùn)行狀態(tài)的參數(shù)存儲(chǔ)，結(jié)合大數(shù)據(jù)平臺(tái)資源優(yōu)化與遷移、海量高負(fù)載均衡等技術(shù)，為后續(xù)企業(yè)和科研工作者提供有效的數(shù)據(jù)支撐。

圖14 基于“車-云”融合的動(dòng)力電池系統(tǒng)故障診斷策略

6 結(jié)論

本文基于以上研究?jī)?nèi)容，總結(jié)了國內(nèi)外最先進(jìn)的動(dòng)力電池系統(tǒng)安全控制技術(shù)，以期為我國新能源汽車安全風(fēng)險(xiǎn)管控發(fā)展提供借鑒方案，促進(jìn)新能源汽車安全風(fēng)險(xiǎn)管控的產(chǎn)業(yè)發(fā)展。

（1）動(dòng)力電池的不一致性從生產(chǎn)時(shí)就已經(jīng)存在，隨著電池使用時(shí)間和車輛行駛里程的增加而逐漸擴(kuò)大。動(dòng)力電池不一致性參數(shù)之間并非相互獨(dú)立，而是相互影響、互為因果。例如電壓的不一致性可以從一定程度上反映動(dòng)力電池系統(tǒng)其他各種參數(shù)的不一致性。通過大數(shù)據(jù)分析不同行駛工況下單體電壓和概率分布能夠有效地挖掘動(dòng)力電池不一致性程度，指導(dǎo)實(shí)際生產(chǎn)和制造，降低電池初始的不一致性。

（2）動(dòng)力電池系統(tǒng)各種狀態(tài)的精確預(yù)測(cè)對(duì)電動(dòng)汽車的安全可靠性運(yùn)行至關(guān)重要。電池系統(tǒng)的SOC、SOH、電壓和電流等狀態(tài)參數(shù)能夠?qū)崟r(shí)反映電池系統(tǒng)的安全狀態(tài)，對(duì)于汽車安全行駛至關(guān)重要。當(dāng)前，基于數(shù)據(jù)驅(qū)動(dòng)的形式，通過神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)的方法對(duì)動(dòng)力電池各類參數(shù)進(jìn)行實(shí)時(shí)監(jiān)控與預(yù)測(cè)，能夠在故障發(fā)生前提前預(yù)警，實(shí)現(xiàn)動(dòng)力電池安全風(fēng)險(xiǎn)管控的目的。未來，要探索更多基于實(shí)車數(shù)據(jù)的動(dòng)力電池安全狀態(tài)預(yù)測(cè)研究。

（3）動(dòng)力電池系統(tǒng)故障在線診斷是電動(dòng)汽車安全管控的重要內(nèi)容之一。目前基于各種觀測(cè)器、濾波以及機(jī)器學(xué)習(xí)方法已經(jīng)開展了廣泛研究，但計(jì)算量較大、實(shí)時(shí)診斷精度低、魯棒特性差?；趯?shí)車大數(shù)據(jù)深入研究動(dòng)力電池典型故障機(jī)理及故障診斷方法，實(shí)現(xiàn)動(dòng)力電池故障特征定性分類和故障等級(jí)定量評(píng)估。研究基于修正香農(nóng)熵和改進(jìn)多尺度熵算法，提取早期風(fēng)險(xiǎn)信號(hào)的多時(shí)間尺度和時(shí)頻特征，制定實(shí)車動(dòng)力電池系統(tǒng)的多級(jí)風(fēng)險(xiǎn)預(yù)警策略，實(shí)現(xiàn)新能源汽車安全運(yùn)行。

（4）高質(zhì)量防控和決策的安全控制策略可以有效保障動(dòng)力電池使用安全?；凇败?云”融合的動(dòng)力電池安全控制策略，通過車端數(shù)據(jù)采集和多模型融合策略，可以實(shí)現(xiàn)動(dòng)力電池系統(tǒng)安全風(fēng)險(xiǎn)狀態(tài)在線定量評(píng)估。通過云端大數(shù)據(jù)監(jiān)控與分析，實(shí)現(xiàn)動(dòng)力電池系統(tǒng)狀態(tài)長(zhǎng)短期預(yù)測(cè)。通過“車-云”融合的安全控制策略，實(shí)現(xiàn)了動(dòng)力電池系統(tǒng)全壽命周期內(nèi)的安全狀態(tài)可監(jiān)控、可追溯，具有重要的工程應(yīng)用價(jià)值。