2020年12月23日，中國汽研成功舉辦《2020第三屆新能源汽車測試評價技術國際論壇》。中國汽研將持續為大家推送精彩演講實錄，本文為深圳格瑞安能姜研博士帶來的《動力電池應用安全解決方案》。

01 背景

我國電動汽車數量快速增長，目前已成為新能源汽車第一大國。隨著車輛使用，動力電池會逐漸老化，安全隱患增加。近年來，電動汽車著火事件頻發，電池的安全問題已引起社會的廣泛關注，國家有關部委包括工信部、質檢總局多次發文要求加強新能源汽車安全運行監管，但目前市場上缺乏完整、有效的電池安全評估技術及相關檢測設備，國家已出臺多項安全標準保障電池出廠時的安全性，但缺少針對在用電動汽車鋰離子電池安全的監管和評估方法以及相關標準規范。

電動汽車著火原因統計發現，60%為電池原因，主要表現在兩個方面，一是電池的生產制造缺陷，在使用過程中會因為偶然的激勵將這些缺陷放大，導致電池內部出現內短路，最終引發熱失控；二是電池在使用過程中存在異常老化現象，異常老化的電池其安全風險會逐漸增大。如何通過有效的數據監控和分析方法找到問題或異常老化電池并在著火之前將其篩選出來，是整個在用電動汽車安全監控的難點所在，另外，還有電動汽車的維保問題，當前維保策略主要是依靠技術人員去現場對車輛進行檢測，一是維修效率低，無法準確定位故障，需要反復進行現場測量，檢測時間長；二是對維修人員技術要求高，培訓難度大；三是運維團隊人員需求量大，成本高。

02 解決方案

針對電池性能評估和安全監控問題，我們提出了“云端和地面檢測結合”的在用動力電池安全預警評估方案。在云端，各車企都有大數據監控平臺，通過收集車載端數據，進行大數據分析，預測中長期起火風險以及為短期預警提供數據支持，但云端有時候會存在數據缺失的情況，針對這種情況，研發電池安全專用檢測設備，定期或臨時全面檢測，可根據云端數據缺失情況進行針對性精確檢測 （定期體檢或指定體檢）。

動力電池應用安全解決方案技術體系分為三個階段，第一個階段為電池異常老化識別，健康電池由于濫用導致老化從而與其他電池有所區別，針對這種異常老化電池研發了大數據平臺+地面檢測相融合的長時間尺度的電池安全評估和預警算法，對電池狀態進行長期的數據跟蹤（月級預警），可在早期識別出異常電池，避免發展至末期熱失控；第二個階段為微短路識別，異常老化電池有可能演變成微短路情況，針對微短路電池，通過地面檢測，實現內短路主動檢測中期預警（天、小時級預警），可在早期發現微短路電池；第三階段為嚴重內短路識別，電池如果發展為嚴重的內短路，往往會在很快的時間內發生熱失控，針對嚴重內短路電池，通過大數據平臺，實現基于信號分析的內短路短期預警（分鐘、小時級預警），誤報率低，可識別“突然死亡”電池。這種多時間尺度、多層級的安全預警方法，可顯著提高預警準確率和預警時間。如下為動力電池應用安全解決方案的三個核心技術。

核心技術1—基于電池內部老化機制和電池間不一致性分布特性的異常電池識別方法，建立了電池內部老化機制的工程化表征參數體系以及各單體電池間一致性（容量、SOC和內阻）差異的工程化辨識策略，通過對這些表征參數進行多尺度比較分析，識別異常電池，進行長時間尺度預警。

核心技術2—基于電壓信號異常變化識別的電池熱失控預警算法，通過信號分析+數據驅動相結合的方法，識別出各單體電池的電壓信號是否出現異常變化，實現短時間尺度安全預警。該算法既可部署在云端，也可部署在車載BMS上。

核心技術3—基于特定電流激勵下電池響應特性的精細化故障診斷策略，結合歷史運行數據的云端分析結果，通過地面檢測設備對電池系統施加特定電流激勵，進行定制化檢測，實現電池系統故障原因的精細化診斷。

03 應用案例

應用案例1—異常老化識別

對應為長時間尺度下電池異常老化識別，左圖為電池內部析鋰的識別，對一電池組內所有單體進行容量測試，從結果來看，140#電池容量和電池組內其余電池單體容量沒有顯著差異，但通過表征健康狀態特征參數的提取和算法進行分析后發現140#是異常電池，通過特征曲線，發現該電池出現了內部析鋰，通過歷史數據進一步發現該電池發生過嚴重的過充現象，在電池容量沒有顯著差異的情況下發現電池內部老化機制異常，做到更精準的檢測。右圖為單個電池狀態長期跟蹤示例，針對電池容量跳水現象，通過容量跳水識別策略，提取表征容量加速衰退的特征參數并跟蹤在全生命周期內特征參數的變化情況，與此同時，建立了表征特征參數波動的安全區域，如果特征參數一旦跳出安全區域，就可以準確的識別并預警。特征參數是隨著數據的積累而不斷更新的，數據越多，安全區域就會建立的越準確越可靠。

應用案例2—事故車輛識別

該案例是針對真實的電動汽車著火事件而進行事后車輛的分析，采用一致性異常+信號異常綜合分析方法，準確定位故障電池。基于電池老化機制分析，診斷出#78、#82、#85、#93等電池一致性（老化機制）異常，其在特征值曲線上也表現出異常；剔除一致性異常電池后，篩選出#27電池（故障電池、最先熱失控），基于車輛著火前運行數據，提前 100s(BMS檢測到電壓跌落)預警。

應用案例3—事故車輛識別

真實發生的電動汽車著火事件案例，從冒煙到燃燒僅僅三分半鐘。基于電池老化機制分析，只診斷出#5電池一致性（老化機制）異常，說明電池整體一致性較好；根據特征值曲線診斷得出#52電池異常，提前3h預警。

應用案例4—事故車輛識別

針對事故車輛識別進行的盲測試驗，車輛總數為16輛，其中7輛發生起火事故，所有車輛時間跨度是1個月左右，采集周期是30秒/次，分析前對于車輛異常數量和編號均未知。通過算法分析判斷出5輛車異常，準確率100%；漏報2輛車；平均11.4h對電池熱失控預警，目前該方法整體來講對于車輛的熱失控檢測率大概在70%左右。

應用案例5—車輛電池綜合評價

在2周內完成了1400多輛車，200多萬次充放電過程的綜合分析(包括SOH、告警、一致性、內阻、工況等)。并對所有車輛的電池進行體檢，并進行了綜合評分與排序，篩選出衰減較嚴重電池。

應用案例6—車輛在線安全預警

通過服務的方式，提供在線安全預警服務；已提供服務車輛數量2216輛，接入數據近5億行。

應用案例7—公交車輛運維服務

為電動公交提供綜合運維服務，公交車的數據上傳到平臺，在平臺上對車輛電池進行詳細的安全分析，并給出處理意見，主要包括：充電樁的日常檢查及周期性保養；電池系統日常檢查與維護、定期均衡；電池系統故障件更換與維修，大大提高了整個公交車電池維修的效率。

04 電池安全測試與評估設備

云端，即大數據平臺側研發了融合多種算法的電池性能與安全綜合分析軟件包和平臺，進行電池性能與安全綜合分析，實時安全預警，指導電池維保。包括已嵌入電池性能與安全評估核心算法；車輛運行數據上傳至平臺，建立電池健康檔案；給出電池性能與安全綜合評估報告，自動生成電池維保策略，指導電池均衡維護；提早發現異常衰退電池，在早期杜絕電池熱失控的安全隱患；具備適用于全工況的短時間尺度電池熱失控預警功能。

地面，研發專用檢測設備，實現精細化診斷。配合云端完成定期或臨時全面檢測，可根據云端數據缺失情況進行針對性精確檢測；線下檢測將有效彌補云端電池數據質量差的不足，有助于實現電池安全的精細化診斷，幫助定位故障電池位置和原因；開發電池分析前置網關、OBD設備等，實現線下檢測設備和大數據分析平臺互聯互通；不限車型、無需拆解電池；可根據客戶需求做快速或深度檢測；實時監控數據上傳，自動生成檢測報告。

電池維保，研發電池系統診斷儀和電池均衡設備。電池系統診斷儀內嵌電池評估模型，利用車輛OBD接口，獲取電池相關數據和診斷信息，實現電池系統的診斷，可與云端連接。主要功能包括電池模塊安全診斷、電池容量評估、一致性評估。電池均衡設備定期或根據電池狀態對電池內部做均衡維護，延長電池使用壽命，降低安全風險。主要功能是維護電池模組均衡。產品形態分不同通道和電流規格。

05 服務模式

根據不同的客戶需求進行產品模塊搭建，以滿足多元化需求。一是搭建數據分析云平臺，包括電池大數據分析平臺和地面檢測數據分析服務/軟件；二是地面充電檢測設備，包括地面充電安全檢測設備和地面檢測數據分析服務/軟件；三是獨立的安全預警、壽命評估軟件包；四是故障檢修維護團隊，包括定期檢查與保養服務、電池均衡維護服務以及故障件更換與維修服務。

返回第一電動網首頁 >