基于COMSOL電動汽車安全預警研究

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，北京 100081；2. 北京新能源汽車股份有限公司，北京 100176）

在車輛安全預警模型中，電池濫用和電池外部因素導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據特征判斷。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、電荷轉移過程、濃度活化進程，通過失效時刻的參數變化判斷電池是否發生問題，可以在失效前進行電池信號安全預警，實現車輛的安全使用。

電動汽車；安全預警；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，其本身產熱。電池發生熱失控的機理多樣且復雜[1]，通過單一變量很難引發熱失控。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，例如汽車磕碰后進水導致電池殼體腐蝕，連接處松動導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問題，超過使用邊界，例如電池過充過放等導致熱失控；（3）電池本身導致車輛發生問題，例如電池存在金屬雜質，出現析鋰，內部極片變形等，這種情形通過電熱信號很難發現和預防。

針對電池安全預警目前有4類主流算法模型[3-4]：（1）電化學模型，即通過電池本身的電化學特性進行安全預警，例如通過電池異常自放電、電池內阻、電池容量等進行判斷；（2）統計學模型，即通過電池成組后的不一致性進行安全預警，例如通過電池壓差、溫差、SOC（State of Charge，荷電狀態）不一致等進行判斷；（3）大數據模型，即通過特定的樣本進行模型數據訓練，例如對失效車輛和正常車輛進行相應數據提取，搭建模型后對其他車輛進行識別；（4）結合其他信息，主要通過故障信號進行判斷，例如絕緣、采集異常等。

各類電池失效與安全預警算法的對應關系見表1。

表1 電池失效與安全預警算法

由于安全預警困難，一些生產廠家增加了傳感器，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模型設計

1.1 數據分析

車輛的安全預警是指在車輛發生安全故障前，用戶和廠家提前識別風險，采取相應的風險規避手段。例如車輛發生故障前，其成組的不一致性會升高[6]，達到某個設定的閾值后，車輛會發生安全故障。

（1）由外部因素導致電池熱失控，可以通過相應的傳感器單一模式或者組合模式進行預警判斷。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行預測，其成本較高、識別難度不大，但識別準確率不高。

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

（3）電池本身的問題通過信號組合很難進行識別，電池同時受溫度、電壓、電流、壓力等因素影響，并且內部制造工藝很難篩查出隱患[4]，目前有效的容量、內阻等預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輛發生了安全故障的車輛進行分析，采集失效時行車數據和失效前充電的數據，繪制電池熱失效前、熱失效時的數據，如圖1所示。

如圖1（a）所示，車輛發生失效前充電數據正常，電壓無波動，內部壓差在50 mV以內（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）為車輛發生失效時最低單體電壓出現明顯下降（10 s內由4.128 9 V下降到4.055 9 V，隨后持續下降到3.360 8 V），但除了熱失控信號外，無其他明顯數據特征；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內由29 ℃升高到40 ℃，隨后持續升高到125 ℃），電池發生熱失控，但其他信號無表現。綜上，電池熱失效時有明顯的電壓特征（電壓突然下降），但在失效前充電和行車（放電）模式下，數據未出現明顯異常，排除電池外部因素和電池濫用的情況，推斷是由電池內部引發。

1.2 模型設計

采用COMSOL進行模型設計，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，無法實現每個單體電池溫度的完全檢測，并且在上例失效數據中絕緣和碰撞信號都無異常，所以設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部電化學參數（電導率，體積擴散系數等），所以采用COMSOL中集總電池加優化模塊進行模型設計[8]。

電池電壓在充放電過程中的變化需要考慮歐姆內阻、電池活化反應、濃差極化情況。

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

式中：為濃度活化擴散系數，初始設定為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對應關系如圖2所示，在模型輸入時需給定一個初始值，以充電過程為例，選取參數初始SOC狀態設定為0.476。

圖2 Eocv隨SOC變化曲線

綜上，電池仿真電壓cell[9]4為

將現有的電壓、電流數據代入模型，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、濃度活化擴散系數t的取值，以此進行安全預警，擬合結果如圖3所示。

如圖3所示，預警模型進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）計算預測數據和原始數據對應點誤差平方和的均方根值

本次仿真結果中圖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；模型仿真結果較好（MSE均小于0.1），所得到的數據可作為后續分析。

1.3 安全預警

表2 參數擬合結果

續表2

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

圖4 安全預警模型

2 結 論

介紹了出現電池故障的3類原因和4種預警方法（大數據模型、電化學模型、統計學模型、故障信號模型），由電池內部原因引發的失效通過現有模型很難識別，因為失效前期電壓、溫度、絕緣等信號顯示正常，電池熱失控會突然發生。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：歐姆過電位、電荷交換電流、濃度活化擴散系數。在失效時刻，擴散系數與內部電荷電流變大、歐姆內阻變小，說明突發了內部反應；3種參數與失效前明顯不同，通過大樣本學習可以得到相應閾值，實現提前安全預警和失效判斷。

[1]鄧原冰.鋰離子動力電池熱失控及其預警機制的試驗與仿真研究[D].武漢:華中科技大學，2017.

[2]姚銀花. NCM三元鋰動力電池熱失控研究與仿真[D]. 西安:長安大學，2018.

[3]崔江偉.電動汽車鋰電池熱失控測控技術[J]. 汽車博覽，2021(1):150.

[4]劉木林，卜凡濤，林輝，等.電動汽車動力電池熱失控過程分析及預警機制設計[J].汽車實用技術，2020(5):15-17.

[5]周斌，張衛國，崔文佳，等.考慮預警負荷的電動汽車充放電優化策略[J]. 電力建設，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多尺度安全預警方法研究[J]. 中國基礎科學，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預警[J].電源技術，2019，43(5):861-863，868.

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

[9]COMSOL案例教程.瞬態集總電池模型的參數估計[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. 基于計算機仿真技術的混合介質電特性研究[J]. 計算機技術與發展，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