基于固定電壓窗口內充電電量的內部短路定量診斷方法

基于固定電壓窗口內充電電量的內部短路定量診斷方法

01研究背景

內短路（ISC）是動力電池熱失控（TR）的主要原因之一。通過電池管理系統（BMS）對動力電池進行早期ISC的診斷和預警，對防止ISC向TR發(fā)展，提高動力電池系統及電動汽車的安全性具有重要意義。然而，不明顯的電熱特性給ISC的早期診斷，尤其是準確的定量診斷帶來了挑戰(zhàn)?，F有的大多數ISC診斷方法都基于水平比較，具有隱晦的前提，即模塊中每個電池的衰減速度相同，從而依據ISC電池與正常電池之間的電壓、電量或SOC等參數的差異來實現ISC診斷。但在現實中，電池的一致性隨著老化逐漸惡化，導致相關算法失效，甚至出現遺漏或錯誤判斷。因此，提出了一種基于固定電壓窗口（FVW）的在線定量ISC診斷方法。該方法使用縱向比較來跟蹤每個電池在充電過程中的歷史充電電量特性的變化，不僅考慮了電池退化造成的容量衰減，還解決了電池一致性問題，可以快速識別ISC故障并進行進一步的定量診斷。

02診斷方法

由于ISC故障發(fā)生在電池內部，電池的ISC電阻很難直接測量。然而，無論電池處于何種工作狀態(tài)，ISC電阻都在不斷消耗電量。對于正常電池，由于電池的容量衰減，其充電電量總體上呈緩慢下降趨勢，然而，當ISC發(fā)生在某循環(huán)時，由于漏電流的存在，該循環(huán)的充電電量會突然增加，該特征為定量估計提供了機會。在實際應用中，用戶不會每次都從固定的充電初始電壓或SOC為電池充電。因此，很難獲取整個充電電壓曲線來診斷ISC，但可以選擇計算中高SOC下的充電FVW內的電量QAB來檢測ISC。為此，我們提出了如圖1所示的診斷方法：對于電池組中使用的某種類型的電池，首先進行電池的單體循環(huán)實驗來收集電流和電壓數據，通過遺傳算法對FVW進行優(yōu)化并確定診斷閾值。然后，通過實時監(jiān)測電池組內每個電池在最優(yōu)FVW中的電量變化，判斷其電量增長率σAB是否超過設定的閾值來進行在線定性診斷。如果某電池在某次循環(huán)的電量增長率超過所設閾值，則可以確定該單體在該循環(huán)中發(fā)生了ISC，隨后通過定量計算其短路阻值以評估其ISC程度。

圖1 基于固定電壓窗口內充電電量的ISC定量診斷方法

03實驗設置

單體實驗用于確定最優(yōu)FVW和診斷閾值。采用等效短路電阻（ESR）法模擬早期ISC，將正常電池分別與外部電阻和開關并聯連接，放置在恒溫箱中，如圖2(a)。在KIKUSUI-PFX2512電池測試臺上，使用傳統實驗室恒流（CC）充電工況和實車階梯（SC）充電工況來獲得循環(huán)實驗數據。為了進一步驗證所提出的ISC診斷方法在電動汽車中的可行性，對具有六個電池單元Cell#1~#6的串聯電池組進行了不同的實驗：在CC充電下循環(huán)的電池組Pack 1，及在SC充電下循環(huán)的電池組Pack 2。電阻分別并聯到Cell#2和Cell#5，如圖2(b)所示，并且在某個循環(huán)內同時觸發(fā)Cell#2和Cell#5的ISC故障。

圖2 實驗示意圖 (a)ISC單體實驗 (b)電池組ISC電阻連接圖

04診斷結果

圖3(a)顯示了具有不同電阻的三個單體電池在最優(yōu)FVW中的充電電量QAB的變化趨勢。每個循環(huán)的電量增長率σAB繪制在圖3(b)中，其始終穩(wěn)定在接近零的負值，偶爾為正，但不超過閾值（橙色虛線）。只有在發(fā)生ISC的循環(huán)31中，σAB超過閾值。使用SC充電工況的三個單體電池也表現出同樣的規(guī)律。

圖4(a)和圖4(b)展示了模組內每個單體的QAB曲線。對于Pack 2，在整個過程中，Cell#2的QAB并不顯著高于其他單體，無法使用水平比較來檢測Cell#2的ISC故障。但縱向比較可以識別所有ISC單體，如圖4(c)和圖4(d)，只有ISC單體在ISC觸發(fā)循環(huán)中的σAB超過閾值。結果表明所提出的診斷方法也可定位電池組中所有的ISC單元。最后，定量估計已識別的ISC單體的阻值，其估計誤差小于6%，說明所提出定量診斷方法的有效性。

圖3 CC充電下的單體ISC診斷結果 (a)固定電壓區(qū)間內充電電量變化 (b)電量增長率變化

圖4 模組ISC診斷結果 (a~b)固定電壓區(qū)間內充電電量變化，Pack 1(a)，Pack 2(b) (c~d)電量增長率變化, Pack 1(c)，Pack 2(d)

審核編輯：湯梓紅