北京科技大学团队最新研究：大数据驱动动力电池智能安全管理新突破
北京科技大学团队最新研究：大数据驱动动力电池智能安全管理新突破
《汽车工程》2023年第10期发表了北京科技大学机械工程学院先进新能源智能管理团队研究成果"大数据驱动动力电池智能安全管理与控制方法研究"一文。针对新能源汽车动力电池安全风险管理与控制研究，论文详细讨论了动力电池故障机理及类型，基于大数据统计分析阐明了动力电池一致性与安全性的耦合关系，总结了数据驱动的动力电池安全状态预测与故障诊断预警方法，最后提出一种基于“车-云”融合的实车动力电池系统安全控制策略。
研究背景
为减少温室气体排放和缓解能源危机，新能源汽车快速发展。截至2022年，我国新能源汽车保有量达1310万辆，位居全球第一。据统计，2021年新能源汽车火灾安全事故达3000多起，其中绝大多数由动力电池故障导致。电池热失控对驾乘人员的人身和财产安全造成极大危害，如何有效检测电池故障并提前预警至关重要。
图1 我国新能源汽车和纯电动汽车保有量近五年数据
研究内容
动力电池故障分类及特性：根据故障特点，动力电池的故障类型可以分为五类，主要包括机械故障、电气故障、热故障、不一致故障以及老化故障，图2展示了各类故障相互关系和故障表现。
一致性与安全性耦合关系：动力电池系统的不一致性可从电压、容量和内阻三个角度进行展开，分析结果显示电池不一致性直接影响电池的寿命衰减和老化速度，而在动力电池系统的老化过程中，其内部的副反应会引起内阻增加和容量衰减，进而导致动力电池系统的安全性能变差。
动力电池安全状态预测方法：电池荷电状态 (SOC)和动力电池健康状态(SOH)、电压、温度、等参数是动力电池系统的安全状态参数，这些参数的异常波动通常是电池故障的早期指标。因此，如何高效和准确预测这些参数对于电动汽车电池系统的安全、耐用和可靠运行至关重要。
动力电池故障诊断及预警技术：目前常用的故障诊断方法可以分为基于解析模型方法、基于数据驱动方法和基于知识方法。
动力电池系统安全控制策略：论文提出一种基于“车-云”融合的实车动力电池安全控制策略，从车端和云端两个方面对电池系统安全控制策略开展持续的优化和拓展。
图5 基于“车-云”融合的动力电池系统故障诊断策略
结论与建议
动力电池的不一致性从生产时就已经存在，随着电池使用时间和车辆行驶里程的增加而逐渐扩大。动力电池不一致性参数之间相互影响、互为因果。通过大数据分析不同行驶工况下单体电压和概率分布能够有效地挖掘动力电池不一致性程度，指导实际生产和制造，降低电池初始的不一致性。
动力电池系统各种状态的精确预测对电动汽车的安全可靠性运行至关重要。电池系统的SOC、SOH、电压和电流等状态参数能够实时反映电池系统的安全状态，对于汽车安全行驶至关重要。当前，基于数据驱动的形式，通过神经网络和机器学习的方法对动力电池各类参数进行实时监控与预测，能够在故障发生前提前预警，实现动力电池安全风险管控的目的。未来，要探索更多基于实车数据的动力电池安全状态预测研究。
动力电池系统故障在线诊断是电动汽车安全管控的重要内容之一。目前基于各种观测器、滤波以及机器学习方法已经开展了广泛研究，但计算量较大、实时诊断精度低、鲁棒特性差。基于实车大数据深入研究动力电池典型故障机理及故障诊断方法，实现动力电池故障特征定性分类和故障等级定量评估。研究基于修正香农熵和改进多尺度熵算法，提取早期风险信号的多时间尺度和时频特征，制定实车动力电池系统的多级风险预警策略，实现新能源汽车安全运行。
高质量防控和决策的安全控制策略可以有效保障动力电池使用安全。基于“车-云”融合的动力电池安全控制策略，通过车端数据采集和多模型融合策略，可以实现动力电池系统安全风险状态在线定量评估。通过云端大数据监控与分析，实现动力电池系统状态长短期预测。通过“车-云”融合的安全控制策略，实现了动力电池系统全寿命周期内的安全状态可监控、可追溯，具有重要的工程应用价值。