锂离子电池热失控预警资料整理（二）

此前 个人搜集了一些锂电池热失控预警相关期刊、文献，并整理了一些个人认为重要的逻辑、知识点，希望通过此分享让有需要的人了解一些内容，如有问题欢迎同我探讨~

五、新能源汽车锂电池热失控参数的提取及验证研究_郭锐

5.1 热失控产生背景示意图

5.2 热失控变化示意图

六、基于数据挖掘技术的电动汽车充电安全监测与故障预警方法研究_虞婧

6.1 国内外研究现状

基于数据挖掘技术的电动汽车充电安全监测与故障预警方法研究是一个新的课题方向，因此需要充分结合现阶段国内外研究经验，在前人的基础上，做出自己的进步和突破。
根据故障发生时的参数异常变化特征，可以采用“阈值-速率模型”故障诊断体系来实现电动汽车充电安全监测与故障预警。该体系从实时监测和故障预警两方面进行考虑。在车辆端，以“阈值-速率”为核心，实时检测阈值超限异常或者变化率异常，进行故障判断与报警。在云端，以“阈值-速率”为基础，实施复杂模型故障联合诊断与风险预警。模型原理主要基于时间维度、单体维度、短时瞬变性维度进行考虑，根据波动性、一致性以及瞬变性可以搭建起多种不同计算原理的模型来实施电动汽车的故障预警。整个预警算法上，可以按照内部算法开发和外部集成两方面来展开。
（1）根据衡量时间维度的波动性，可以利用基于波动性检测故障诊断模型与熵值诊断模型，此模型基本原理为：截取一个时间窗口，以该窗口中的单体电池电压值为对象，将所有单体电压采用中位数去趋势化，计算各个单体电池在该时间窗口下的方差，形成波动性评估标准，将超出 3 倍标准差的单体筛选出来。
（2）根据衡量单体维度的一致性，则能利用车型阈值表与单体阈值表数据分析模型，此模型基本原理为：截取一个时间窗口，以该窗口中的单体电池电压值为对象，基于离群点状态——统计学机器学习、角度方差等。这个一致性更多是侧重于指标的异动，比如说单体电池电压指标异动类模型，对于部分可以反映电池组一致性的参数，可采用离群点检测的方式来快速检测异常。离群点是指大量数据中的异常对象,离群点检测是一种常用的数据挖掘方法,主要用于异常数据检测。离群点检测的具体方法有很多,其中过程简单稳定性高的是基于高斯分布的离群点检测算法。
（3）根据衡量短时瞬变性，可以利用压降一致性判断模型，此模型基本原理为：计算每个两帧之间的电压压差，对压差进行评估，设定的标准是最高压差与最低压差之间的差异，将进行该项报警。

6.2 安全评估指标的确立

充放电安全指标体系包括评估目标层、评估准则层以及评估指标层。
首先通过对充电设施相关国家标准、行业标准、企业标准的分析，结合具体的异常状态案例以及专家经验，确定能够反映电动汽车充电设施性能的指标，形成评估层，此次的评估层为电池的电流、电压、单体最高电压、单体最低电压、单体最高温度、单体最低温度，充电机充电电压上限、充电电流上限、充电温度上限。电动汽车在加电站充电时会产生大量的充电数据，本文中主要分析从电池管理系统（BMS）端和充电机端传输出的数据来进行充电安全的监测和故障的预警。为了发现充电过程中的异常数据，利用车辆端电池的数据和电网端充电机的数据开展数据分析，通过分析数据是否在规定的阈值范围内来确定数据是否处于风险状态。根据新能源汽车国家检测与管理平台统计，在大多数电动汽车电池充电发生故障时，电池的单体电压电流温度和充电机电压电流等参数都有表征。虽然到目前为止，国家出台的有关电池充电安全评估标准检测指标还没有明确的定义，但是在通过阅读并归纳总结已有文献的基础上，遵循数据的科学性和评估的可行性原则，文章对此建立了 2 个一级指标，9 个二级指标。其中一级指标主要从电池管理系统（BMS）端、充电机端两个方面来构建，当加电站对设备进行充电时，BMS 端以及充电机端都能收到相关的充电数据。二级指标主要从电压电流温度等指标入手研究，根据电压电流温度等指标参数的上下限对充电安全影响程度选取。整理得到了下表 2-1 中的充电安全评估指标。

6.3 风险判别指标等级划分

利用充放电过程监测数据可以实现充放电过程的安全风险评估。通过对监测数据开展对比分析，确定了基于“阈值-速率”的安全风险评估模型。根据波动性、一致性以及瞬变性可以搭建起多种不同计算原理的模型来实施电动汽车的故障预警，分别从单项阈值判断指标、单项变化率判断指标和趋势一致性判断指标三个方面来进行风险判别。当车辆发生故障时，电压、温度、绝缘值等参数均会发生变化，异常参数的表征可以分为两类：

1. 超过参数阈值的异常数据，例如单体电压超过阈值、电压压降超过阈值等；
2. 未超过参数阈值，正常阈值范围内的异常数据，例如电压在正常阈值范围的异常波动。

当故障监测系统在实时数据输入后，若判断模块发现异常数据则发出报警信号，更具体、详细的报警级别划分阈值见附录 1。从统计数据看，电池问题依然是电动汽车着火事故的主要原因，充电过程、充满电后的静置状态是着火事故的主要发生阶段。更详细地描述报警、预警的故障严重程度，可以见附录 2 中的表格，该表详细介绍了风险判别指标的等级划分。
为了达到进一步标示风险等级的目的，将风险判别指标划分为三级判断体系，依据风险判别指标等级划分对故障类型的严重程度划分等级，根据严重程度从低到高依次分为一级、二级与三级。在 GB/T 32960.3-2016 中，关于三级报警等级的相关解释为：

1. 一级故障报警为轻微故障，指代不影响车辆正常行驶的故障，为提示性故障；
2. 二级故障报警为较严重故障，指代影响车辆性能需要驾驶员限制行驶的故障；
3. 三级故障报警为最高级别故障，指代驾驶员应立即停车处理或请求救援的故障。

表 2-2 详细介绍了风险判别指标等级划分的具体判断标准。

报警级别划分阈值-附录1

风险判别指标及故障范围表-附录2

6.4 某加电站电动汽车充电事故案例分析

对电动汽车充电安全进行监测与故障预警，选取电池充电过程中 BMS 端记录的 SOC、电流、电压、单体最高电压、单体最低电压、单体最高温度和单体最低温度等数据作为输入量。根据电动汽车充电的故障阈值，额定电压 544V，单体电压限值 3.75V，电压限值 600V，温度限值 85℃等，通过 BP 神经网络的预测功能，来对充电过程的故障实现报警预警功能。
取一组样本数据，每一份样本数据均含有 BMS 编号、SOC、电流、电压、单体最高电压、单体最低电压、单体最高温度和单体最低温度八类数据，因此，神经网络的输入神经元数量为 8 个，用以代表 8 个输入数据。
神经网络神经输出层选取为 2 层，将输出值 0.8 及以上的数据标记为故障，输出值 0.2 及以下的数据显示正常。单体数据输入时要求输出判断结果故障与否；当进行批量诊断时，要求正确输出该充电设备故障与否，当充电设备发生故障时，同时输出 BMS 编号进行报警。

选取某加电站 2015 年 3 月 28 日 16：55 时刻，BMS 编号为 09010403060700C3的电池充电数据进行单数剧诊断，此时 SOC 达到 100，电池荷电量达到满值，电池的电量已经蓄满；电压值为 570.5V，远高于额定电压值 544V；单体最高电压为 4.46V，明显高于单体电压限制 3.75V；显然该电池处于故障状态。诊断结果如图 4.8 所示，输出结果为故障，与实际情况吻合。

经过分析历史数据发现，事故发生前一个月内同一个充电站还有过数次同样的故障。即 BMS 出现故障，不再响应，电池持续过充，直至总电压达到充电机保护电压，才被充电机强制断电。这几次故障虽然没有起火，但是其发生的原因和表现的情况与 4 月 26 日的火灾事故如出一辙。在 2015 年 3 月 28 日 16：55 分同样发生了过充故障，BMS 编号为 09010403060700C3，选用这一天这时刻附近的数据作为批量数据诊断测试数据。诊断结果如上图 4.9 所示。

七、锂离子动力电池热失控扩散及预警研究_张景涵

7.1 热扩散的防控预警

7.1.1 事故树定性分析：

由式（2-9）可知该事故树的最小割集共 8 项，分别是{X1X2}，{X3}，{X4}，{X5}，{X6}，{X7}，{X8X9}，{X10}。

7.1.2 事故树定量分析：

其表征的意义为，在电池系统热失控的诱因中，它们的结构重要度由大到小依次为模组间热传递=模组间热辐射>过充电>电池挤压=电池穿刺=高负载=过放电=模组间热对流=壳体热对流>电池外短路

7.2 预警防控措施

在考虑安全对策和建议时，应分清主要矛盾和次要矛盾，合理安排优先次序，使系统达到经济、高效、安全、完善的目的。从结构重要性的定量分析可以看出，解决主要矛盾的优先关系应该是：优先处理电池系统热传递扩散相关的问题，对其进行链式反应阻断防控和扩散预警。其次对电动汽车碰撞后电池系统的安全进行改进，同时兼顾 BMS 和稳定性和电芯一致性检测，防止过充过放和超负荷运行，在保证上述问题的前提下，尽可能地避免电池系统的外短路问题。本文通过查阅相关文献，给出如下预警防控建议：
首先，对于电池系统内部传热传递的问题，可以从结构上进行改进，改进电池包内部模组布置形式，增加模组间间隔，通过设计风冷、液冷等散热机构进行传递过程抑制。强制空气冷却在小容量电池、小倍率电流等情况下能够保证较好的冷却效果，其问题在于保证电池组温度一致性、大功率工况冷却效果等方面存在缺点[35]，液冷容易实现电池组温度的一致性，并且具有较好的冷却效果，可以保证较大倍率下电池温度仍然在较合理的温度范围内[36]。其缺点是冷却系统复杂，增加了系统的复杂度，同时冷却液的泄露风险也带来了新的安全性问题。此外通过试验分析电池包的热失控扩散时间（特别是第一级热扩散）可以进行提前预警。
之后是提升电动汽车的碰撞安全性能。通常通过主动安全和被动安全两种途径来解决。随着电子传感器技术和人工智能算法的进步，当今已经可以采取很多 ADAS 系统来协助驾驶，并且通过更为迅速的反应时间来采取制动等措施来避免碰撞，AEB 汽车紧急制动系统作为有效减少碰撞发生的主动安全装置[37]，鼓励厂家更普遍的采用此类辅助系统可以显著减少电动汽车碰撞事故的发生。对于无法避免的碰撞，则需要提升汽车的被动安全性能。通过结构设计的优化和材料性能的改进[38]以及更先进开发方式的应用[39]，汽车的被动安全性能也会得到有效提升。需要说明的是，由于电动汽车和内燃机汽车的差异，电动汽车的碰撞安全性能需要考虑更多差异性问题[40]。
其次需要改进 BMS 系统的鲁棒性和稳定性。近年来发生的多起电动汽车充电火灾事故，分析事故成因很大一部分是源于 BMS 系统发生故障，未能及时终止充电协议[41]。一方面需进一步提高 BMS 硬件的稳定性、电磁兼容性和抗干扰性，另一方面需要在充电监测控制等算法的角度继续完善，这部分内容本文不做过多赘述。同样的，电池系统电池单元的一致性问题需要得到足够的重视。通过分析，底层事件中的电芯内阻异常问题，其中一部分也起因于和电池单元的一致性问题。目前需要不断完善电池内阻、电压等特性一致性变化的评估机制，有助于在相关事故发生前进行预警预防。另外，现阶段对电池一致性的研究较少，对其变化日历和衰减机制的研究意义重大[42]。
在满足设计要求的基础上，应不断完善电池包的结构设计，尽可能杜绝和外界导电物体的接触可能，在壳体和电池电芯之间增加绝缘层，使得电池单元和外壳意外接触时不会导致外短路发生。
最后，当碰撞、电滥用等形式发生时，应通过内置的温度、电压传感器结合相关标准的判定条件给予预警。在判断热失控的发生无法避免时，应及时发出预警。本文中后续对电池包热失控评估的方法亦可以用来确定扩散时间，指导人员逃生和救援。

八、锂离子电池组容量估计与故障诊断方法研究

8.1 基于硬件冗余交叉测量电路的多故障诊断策略

8.2 基于解析冗余的多故障诊断策略

8.3 电池系统内常见故障诱发因素及故障演化示意图