广告
新能源客车磷酸铁锂电池系统容量不均衡程度大数据分析及应用
2020-09-08 11:10:48· 来源：新能源客车磷酸铁锂电池系统容量不均衡程度大数据分析及应用
容量不均衡现象会使电池系统可用容量减少，利用效率降低，使车辆行驶里程减少，且是造成系统显示SOC在正常范围内却发生电芯欠压报警的主要原因。目前的电池管理
容量不均衡现象会使电池系统可用容量减少，利用效率降低，使车辆行驶里程减少，且是造成系统显示SOC在正常范围内却发生电芯欠压报警的主要原因。目前的电池管理系统中，通常采用各单体中的最高/最低单体之间压差来判断容量不均衡。
对于磷酸铁锂电池体系而言，因其电压平台较平，动态压差主要由单体之间极化差异引起，静态压差主要由电池制造不一致差异导致，加上电压值采样误差的存在，单体压差法无法准确反馈容量差异。
即使BMS带有均衡功能，也常因均衡电流小、均衡作用时间短、均衡策略不够优化，无法保证电池系统处于均衡状态。且经常在电池系统已经出现容量不均衡后，压差并未达到报警值，致使容量不均衡长期存在，限制了电池系统容量的高效利用，减短了车辆行驶里程。
将压差用于磷酸铁锂体系作为判断容量不均衡的方法存在缺陷，而现有电池管理系统又无法有效抑制电池系统不均衡状态的恶化，搭载磷酸铁锂电池的新能源车辆需要一种更精准的利用大数据提取容量不均衡程度数据特征的方法，为电池系统保养维护提供量化参考指标，使其能够及时地恢复均衡状态，提升电池系统整个生命周期的使用能效，延长车辆行驶里程。
一个磷酸铁锂电池系统模块由许多电芯单体构成系统的能源存储主体，这些单体在充放电工况下存在工作电压不一致的情况。在一个完整的充电过程中，因为单体间存在电压不一致，这样电压高的单体会先被充满电，从而触发电池管理系统的充电截止动作，这时电压低的单体因为充电截止而没有充满电，从图1，可以看到低电压单体的充电曲线不完整，没有最后一段电压显著升高而充电电量小幅增加的这一段。
1.电池充电特征的提取
在公司的磷酸铁锂电池研究中发现：虽然如图1中所示的充电曲线因为电压平台较平，很难直接提取充电压差特征，但是如果对上述曲线进行滤波光滑处理后的曲线求导数，得出的特征波峰可以较为准确的表征单体的充电压差。从图2，可以看到磷酸铁锂电池在充电过程中，对电压-电量曲线求导会出现两个明显的特征波峰。
经过大量实验证明：后一个波峰的峰值点，可以作为表征单体充电电压的特征点。这样，通过容量微分曲线变化，可以实现电池特性信息的提取，再通过一系列数据处理，可以实现不同电芯之间SOC差值的估算。
2.低电压电池单体不均衡电量△Q的映射计算
在计算出每个单体后一个电压-电量求导曲线波峰的电压后，将完成100%充电的标准单体（图2中黑色曲线）的波峰电压和没有完成充电的欠压单体（图2中红色曲线）的波峰电压进行相减，可以得出需要参照回调的电压△V，即将△V映射到标准单体的电压-电量曲线中，可以预测出欠压单体实际少充的不均衡电量△Q。
图3中，△V通过电压-电量曲线被映射为△Q，从而计算出低压单体没有被充满的电量占100%电量的比例。
磷酸铁锂电池系统容量不均衡程度大数据分析的实际应用
在车辆使用过程中，回传的运行参数被大数据后台收集，大数据后台定时进行周期性的电池系统不均衡状态评估，只要不均衡程度超过阈值就发出不均衡预警，保证电池系统整个生命周期都处于可控范围以内。从图4，可以看到电池系统的不均衡情况全时循环监控中，为了提高后台分析系统的分析效率，电池不均衡判断分为效率较高的初步分析预测和精细预测两个阶段，在初步分析阶段，如果系统判断电池系统均衡性良好，可以选择不需要调用更多的计算资源进行精细分析。
1.从参数采集数据库筛选出能够用于程序分析的电池数据
因为大数据分析针对的是具体运行的车辆，所以以车型类别为基础，给出数据条件，如：车型型号=“XMQ6*********4”，可以得出以下相关信息：
电池类型=磷酸铁锂；
电池组规格/型号=L***C01:011，L***D01:012，L***B01:010；
电池单体型号=M****7
电箱组合方式=5箱串联，1箱L***C01（每箱36个M****7串联）,3箱L***D01（每箱33个M****7串联），1箱L***B01（每箱24个M****7串联）串联；
电池的布置形式=整车行李舱中部与后部；
上述参数的用途：因为不同位置的电池温度差异比较大，会直接影响电池的工作状态，所以布置形式可用于电池保养时分析不均衡原因，为车辆使用方提供参考，见图5。
当电池类型=磷酸铁锂，可以启动系统中的不均衡分析策略，对此车充电时的最高和最低电压单体各个时刻的电压和各自的电量进行采集，采集的数据密度越高，分析的结果越准。
2.对采集数据的处理
（1）采集数据的规整处理
因为现有电池电压传感器的精度为5毫伏，加上远距离传输的信号失真，会严重影响数据分析的准确程度，所以采集来的原始数据呈现出不规则的噪声波动，见图6中最高和最低两个电芯的两组电压-电量散点。
因为单体电量按照固定的时间间隔采集时，使用的是安时积分方法，所以充电状态下的电量，呈现出线性递增的状态，利用电量的线性递增特性可以修正电压的信噪波动。因为在充电过程中，电压的升高必定伴随着电量的增大，因此对电压参数进行单独排序后对应到相应时刻电量上可以修正原始数据的无规律反复波动，可以看到图7中排序后的点在规整后依然贴合原始采样数据曲线，保证了数据特征不丢失。
（2）对数据的曲线拟合
对于重整后的电压-电量曲线，如果马上使用SMOOTH算法进行光滑拟合，因为要进一步消除干扰信号，需要使用多次迭代的卷积运算，对于计算量巨大的大数据不经济，而且因为没有办法人为干预批处理运算，出现采样取值异常时容易造成最后的求导计算失败，求导曲线无法呈现出提取磷酸铁锂电池的M形特征电压-电量/电压导数曲线。因此，选择使用更为稳定的折线拟合方式提取排序处理后的电压-电量散点，见图8，图中列出了7组不同的电池单体的电压-电量采集数据的折线拟合。图8中圈出部分为算法没有过滤掉的取值异常毛刺，如果用曲线平滑连接毛刺部分会出现不可预测的乱线。如果利用磷酸铁锂电池电压平台平整的“弱点”，用折线拟合原始采样曲线，这样在即使有异常毛刺的情况下也可以完整保留电压-△电量/△电压曲线的M形双峰特征，见图9，对图8中第7组电芯单体数据进行求导，得出电压-△电量/△电压曲线，毛刺部分的求导弯折也不妨碍最终M形波峰的识别,图9中被圈出的地方可以发现第3、4两组的异常在M形方波中仅是打了个结，但不影响算法对后一个波峰节点的识别。
（3）大数据分析结果的计算及输出
对图9中识别出的两个方波波峰的两对个横坐标电压进行求平均值，取大的那个电压值，即图9中后一个方波的波峰的中点作为此磷酸铁锂电池单体的电压表征点。
得到需要评估电芯的电压表征点后，求作为此电池系统标准电芯的最高电压电芯和最低电压电芯各自的电压表征点电压的差值，即前文原理部分所述的电压△V，通过被分析系统标准电芯的电压-电量曲线，可以映射出低电压电芯的不均衡电量△Q，最后计算△Q/Q百分比值作为评估电量不均衡程度的精确参数值，Q为标准电芯满充电量。
（4）大数据分析的计算资源考量
在实际的大数据分析应用中，考虑到计算资源的节约问题，会直接对图8的电压-电量拟合折线的最后一段的斜率进行计算，因为严重欠压的电池电芯在充电截止的时刻还处于电量急剧攀升的阶段，因此这一段电压-电量的斜率比正常充电至最后电量的电芯高很多，可以判断有很大的概率需要进行均衡维护，这样在大数据初算阶段就可以得出有价值的评估信息。在需要权衡售后维护成本时，再计算△Q/Q的具体数值，进一步量化分析系统的不均衡程度。
对磷酸铁锂电池系统不均衡程度的多维数据挖掘
依据概率统计，可以发现前文中提到的“XMQ6*********4”车型位于电池箱夹层的电芯不均衡程度明显增大，结合前文图5中调出的电池布置信息，可以推断出因为中部电池箱散热不方便，工作温度高于同车其他位置的电池箱，长期在高温下工作的电芯损耗大于其他位置的电芯，造成了整车电量不均衡的情况。
结束语
电压平台过于平坦是磷酸铁锂电池特有的特征，然而通过容量微分曲线变化，可以实现电池特性信息的提取，再通过一系列数据处理，可以实现不同电芯之间电量差值的估算。使用大数据手段将其转化为折线拟合分析算法应用于整车容量不均衡程度估算后，可为电池系统保养维护提供量化参考指标，通过及时预警提醒车辆及时做电池系统均衡保养，以此来实现车辆可用容量的最大化，提高车辆行驶里程，减少整车剩余电量处于正常应用区间却出现欠压报警的现象，可提高客户满意度。
广告 
广告
编辑推荐
最新资讯
-
大众汽车南京工厂或面临出售
2024-12-19 13:29
-
端到端专题：DDPG 基础算法与方法论介绍
2024-12-19 11:42
-
多模态大模型最新论文介绍
2024-12-19 11:42
-
建科股份收购苏州赛宝
2024-12-19 09:57
-
端云协同创变，中科创达与火山引擎共塑AI智
2024-12-19 09:56
广告
广告
