基于COMSOL電動汽車安全預(yù)警研究

邊 楠，呂仁志，余碧瑩，耿兆杰，張永躍Bian Nan，Lü Renzhi，Yu Biying，Geng Zhaojie，Zhang Yongyue

基于COMSOL電動汽車安全預(yù)警研究

邊 楠1，呂仁志1，余碧瑩1，耿兆杰2，張永躍2
Bian Nan1，Lü Renzhi1，Yu Biying1，Geng Zhaojie2，Zhang Yongyue2

（1. 北京理工大學(xué)，北京 100081；2. 北京新能源汽車股份有限公司，北京 100176）

在車輛安全預(yù)警模型中，電池濫用和電池外部因素導(dǎo)致的電池失效容易識別出來，但是電池本身存在的問題很難通過數(shù)據(jù)特征判斷。利用COMSOL模型擬合不同情況的電池變化，通過最小二乘法擬合出電壓損失曲線，推算出影響電壓變化的3類特征因子：歐姆過程、電荷轉(zhuǎn)移過程、濃度活化進(jìn)程，通過失效時刻的參數(shù)變化判斷電池是否發(fā)生問題，可以在失效前進(jìn)行電池信號安全預(yù)警，實現(xiàn)車輛的安全使用。

電動汽車；安全預(yù)警；COMSOL模型；無特征信號

0 引 言

車輛是否安全是用戶考慮購買與否的核心要素，電動汽車的核心動力源為電池，其本身產(chǎn)熱。電池發(fā)生熱失控的機(jī)理多樣且復(fù)雜[1]，通過單一變量很難引發(fā)熱失控。熱失控的原因大致可以分為3類[2]：（1）電池受到外部因素的影響，例如汽車磕碰后進(jìn)水導(dǎo)致電池殼體腐蝕，連接處松動導(dǎo)致局部過熱或者異常打火等；（2）電池濫用，電池核心的控制邏輯出現(xiàn)問題，超過使用邊界，例如電池過充過放等導(dǎo)致熱失控；（3）電池本身導(dǎo)致車輛發(fā)生問題，例如電池存在金屬雜質(zhì)，出現(xiàn)析鋰，內(nèi)部極片變形等，這種情形通過電熱信號很難發(fā)現(xiàn)和預(yù)防。

針對電池安全預(yù)警目前有4類主流算法模型[3-4]：（1）電化學(xué)模型，即通過電池本身的電化學(xué)特性進(jìn)行安全預(yù)警，例如通過電池異常自放電、電池內(nèi)阻、電池容量等進(jìn)行判斷；（2）統(tǒng)計學(xué)模型，即通過電池成組后的不一致性進(jìn)行安全預(yù)警，例如通過電池壓差、溫差、SOC（State of Charge，荷電狀態(tài)）不一致等進(jìn)行判斷；（3）大數(shù)據(jù)模型，即通過特定的樣本進(jìn)行模型數(shù)據(jù)訓(xùn)練，例如對失效車輛和正常車輛進(jìn)行相應(yīng)數(shù)據(jù)提取，搭建模型后對其他車輛進(jìn)行識別；（4）結(jié)合其他信息，主要通過故障信號進(jìn)行判斷，例如絕緣、采集異常等。

各類電池失效與安全預(yù)警算法的對應(yīng)關(guān)系見表1。

表1 電池失效與安全預(yù)警算法

由于安全預(yù)警困難，一些生產(chǎn)廠家增加了傳感器，例如壓力傳感器、氣體成分傳感器等[5]，以獲取多重信號提升異常車輛辨識度。

1 COMSOL模型設(shè)計

1.1 數(shù)據(jù)分析

車輛的安全預(yù)警是指在車輛發(fā)生安全故障前，用戶和廠家提前識別風(fēng)險，采取相應(yīng)的風(fēng)險規(guī)避手段。例如車輛發(fā)生故障前，其成組的不一致性會升高[6]，達(dá)到某個設(shè)定的閾值后，車輛會發(fā)生安全故障。

（1）由外部因素導(dǎo)致電池?zé)崾Э?，可以通過相應(yīng)的傳感器單一模式或者組合模式進(jìn)行預(yù)警判斷。例如電池局部過熱，通過長時間的單一溫度傳感器信號識別溫度偏離進(jìn)行預(yù)測，其成本較高、識別難度不大，但識別準(zhǔn)確率不高。

（2）電池濫用導(dǎo)致的熱失控問題發(fā)生較少，技術(shù)的不斷進(jìn)步正在規(guī)避此類問題，電池過充過放不常見，此類超過電池使用范圍的現(xiàn)象通過單一的電壓信號可以被預(yù)測[7]。

（3）電池本身的問題通過信號組合很難進(jìn)行識別，電池同時受溫度、電壓、電流、壓力等因素影響，并且內(nèi)部制造工藝很難篩查出隱患[4]，目前有效的容量、內(nèi)阻等預(yù)警算法模型識別度不高，有些車輛存在無法識別的情況。

選取1輛發(fā)生了安全故障的車輛進(jìn)行分析，采集失效時行車數(shù)據(jù)和失效前充電的數(shù)據(jù)，繪制電池?zé)崾?、熱失效時的數(shù)據(jù)，如圖1所示。

如圖1（a）所示，車輛發(fā)生失效前充電數(shù)據(jù)正常，電壓無波動，內(nèi)部壓差在50 mV以內(nèi)（充電過程中最高單體電壓值減去最低單體電壓值），無電池濫用情況；圖1（b）為車輛發(fā)生失效時最低單體電壓出現(xiàn)明顯下降（10 s內(nèi)由4.128 9 V下降到4.055 9 V，隨后持續(xù)下降到3.360 8 V），但除了熱失控信號外，無其他明顯數(shù)據(jù)特征；圖1（c）為車輛失效前充電溫度無異常超溫，絕緣和碰撞信號無波動，數(shù)值分別為4 000和0，為正常信號；圖1（d）為車輛失效時溫度異常升高（10 s內(nèi)由29 ℃升高到40 ℃，隨后持續(xù)升高到125 ℃），電池發(fā)生熱失控，但其他信號無表現(xiàn)。綜上，電池?zé)崾r有明顯的電壓特征（電壓突然下降），但在失效前充電和行車（放電）模式下，數(shù)據(jù)未出現(xiàn)明顯異常，排除電池外部因素和電池濫用的情況，推斷是由電池內(nèi)部引發(fā)。

1.2 模型設(shè)計

采用COMSOL進(jìn)行模型設(shè)計，通常車企為了控制成本會為每個電池模塊布置1～2個溫度傳感器，無法實現(xiàn)每個單體電池溫度的完全檢測，并且在上例失效數(shù)據(jù)中絕緣和碰撞信號都無異常，所以設(shè)計的模型主要考慮電池充放電過程中的電壓損失；由于無法獲取電芯內(nèi)部電化學(xué)參數(shù)（電導(dǎo)率，體積擴(kuò)散系數(shù)等），所以采用COMSOL中集總電池加優(yōu)化模塊進(jìn)行模型設(shè)計[8]。

電池電壓在充放電過程中的變化需要考慮歐姆內(nèi)阻、電池活化反應(yīng)、濃差極化情況。

式中：為正負(fù)電極表面上的電荷交換電流，初始設(shè)定為0，取值1；asinh函數(shù)返回參數(shù)的反雙曲正弦值；為摩爾氣體常數(shù)，取值8.314 472 J/(mol?K)；為溫度，取值298.15 K；為法拉第常數(shù)[9]，取值（96 485.332 89±0.000 59）C/mol。

式中：為濃度活化擴(kuò)散系數(shù)，初始設(shè)定為0，取值為1 000 s；shape為粒子體積，取值3mm3；= 0和=1 分別為粒子的中心和表面，OCV為電池的平衡電位，其與SOC對應(yīng)關(guān)系如圖2所示，在模型輸入時需給定一個初始值，以充電過程為例，選取參數(shù)初始SOC狀態(tài)設(shè)定為0.476。

圖2 Eocv隨SOC變化曲線

綜上，電池仿真電壓cell[9]4為

將現(xiàn)有的電壓、電流數(shù)據(jù)代入模型，采用最小二乘法[10]擬合計算，得到歐姆過電位h、電荷交換電流J、濃度活化擴(kuò)散系數(shù)t的取值，以此進(jìn)行安全預(yù)警，擬合結(jié)果如圖3所示。

如圖3所示，預(yù)警模型進(jìn)行模擬電壓與實際電壓對比，在評估仿真可靠性時，引入MSE（Mean Squared Error，均方誤差）計算預(yù)測數(shù)據(jù)和原始數(shù)據(jù)對應(yīng)點誤差平方和的均方根值

本次仿真結(jié)果中圖3（a）均方誤差為0.001 373，圖3（b）均方誤差為0.005 710，圖3（c）均方誤差為0.024 79，圖3（d）均方誤差為0.000 1；模型仿真結(jié)果較好（MSE均小于0.1），所得到的數(shù)據(jù)可作為后續(xù)分析。

1.3 安全預(yù)警

表2 參數(shù)擬合結(jié)果

續(xù)表2

利用COMSOL建立的預(yù)警模型如圖3所示，可以實現(xiàn)電池失效前特征提取以及失效時異常情況判斷，實現(xiàn)提前安全預(yù)警。

圖4 安全預(yù)警模型

2 結(jié) 論

介紹了出現(xiàn)電池故障的3類原因和4種預(yù)警方法（大數(shù)據(jù)模型、電化學(xué)模型、統(tǒng)計學(xué)模型、故障信號模型），由電池內(nèi)部原因引發(fā)的失效通過現(xiàn)有模型很難識別，因為失效前期電壓、溫度、絕緣等信號顯示正常，電池?zé)崾Э貢蝗话l(fā)生。利用COMSOL建模模擬電壓變化，利用最小二乘法擬合失效前、失效時電壓曲線，得到影響電壓變化的3種特征參數(shù)：歐姆過電位、電荷交換電流、濃度活化擴(kuò)散系數(shù)。在失效時刻，擴(kuò)散系數(shù)與內(nèi)部電荷電流變大、歐姆內(nèi)阻變小，說明突發(fā)了內(nèi)部反應(yīng)；3種參數(shù)與失效前明顯不同，通過大樣本學(xué)習(xí)可以得到相應(yīng)閾值，實現(xiàn)提前安全預(yù)警和失效判斷。

[1]鄧原冰.鋰離子動力電池?zé)崾Э丶捌漕A(yù)警機(jī)制的試驗與仿真研究[D].武漢:華中科技大學(xué)，2017.

[2]姚銀花. NCM三元鋰動力電池?zé)崾Э匮芯颗c仿真[D]. 西安:長安大學(xué)，2018.

[3]崔江偉.電動汽車鋰電池?zé)崾Э販y控技術(shù)[J]. 汽車博覽，2021(1):150.

[4]劉木林，卜凡濤，林輝，等.電動汽車動力電池?zé)崾Э剡^程分析及預(yù)警機(jī)制設(shè)計[J].汽車實用技術(shù)，2020(5):15-17.

[5]周斌，張衛(wèi)國，崔文佳，等.考慮預(yù)警負(fù)荷的電動汽車充放電優(yōu)化策略[J]. 電力建設(shè)，2020，41(4):22-29.

[6]張彩萍，杜玖玉，徐石明，等.電動汽車動力電池系統(tǒng)多尺度安全預(yù)警方法研究[J]. 中國基礎(chǔ)科學(xué)，2019，21(z1):69-78.

[7]張晶，時瑋，張元星，等.電動汽車充電過程安全因素及動態(tài)預(yù)警[J].電源技術(shù)，2019，43(5):861-863，868.

[8]常小幻. 鋰離子電池產(chǎn)熱特性和散熱管理的研究[D]. 四川:電子科技大學(xué)，2016.

[9]COMSOL案例教程.瞬態(tài)集總電池模型的參數(shù)估計[ER/OL]. https://cn.comsol.com/model/download/797931/models.battery.lumped_li_battery_parameter_estimation.zh_CN.pdf.

[10]郭晨，馬念茹. 基于計算機(jī)仿真技術(shù)的混合介質(zhì)電特性研究[J]. 計算機(jī)技術(shù)與發(fā)展，2020，30(6):177-180.

2021-06-07

1002-4581（2021）05-0004-05

U463.51

A

10.14175/j.issn.1002-4581.2021.05.002